Página de códigos 936 (Microsoft Windows)

La página de códigos 936 de Windows (abreviada MS936 , Windows-936 o ( de forma ambigua ) CP936 ), ^{[ 1 ]} es la codificación de caracteres heredada (anterior a Unicode ) de Microsoft para representar texto chino simplificado en ordenadores . Es uno de los cuatro DBCS de Windows para idiomas de Asia Oriental , junto con las páginas de códigos 932 ( japonés ), 949 ( coreano ) y 950 ( chino tradicional ). Es una variante de la codificación del chino continental Guójiā Biāozhǔn Kuòzhǎn (GBK) y se corresponde aproximadamente con la página de códigos 1386 de IBM ( CP1386 o IBM-1386 ).

Originalmente, Windows-936 cubría GB 2312 (en su forma EUC-CN ), pero se amplió para cubrir la mayor parte de GBK con el lanzamiento de Windows 95. El símbolo del euro (€), no definido en GBK, se codifica como 0x80 en Windows-936 e IBM-1386. Por otro lado, 95 caracteres definidos en GBK 1.0 no se codificaron inicialmente en Windows-936. Esto se resolvió parcialmente en versiones posteriores de Windows y, como en Windows 7, todos los caracteres GBK que no se encuentran en el Área de Uso Privado BMP de Unicode se pueden mostrar utilizando la página de códigos 936, pero la codificación de los 95 caracteres aún no era compatible en 2014..

La página de códigos 936 de Windows fue reemplazada por la página de códigos 54936 ( GB 18030 ), pero a partir de 2014seguía siendo de uso común. La consola de Windows utiliza la página de códigos 936 como página de códigos predeterminada para las instalaciones en chino simplificado, aunque parte de GB  18030 se hizo obligatoria para todos los productos de software vendidos en China. En 2002, el nombre de Internet de la IANA, GBK, se registró con la asignación de Windows-936, ^{[ 2 ] [ 3 ]} convirtiéndolo en la definición de facto de GBK en Internet.

El nombre "página de códigos 936" es ambiguo. La página de códigos 936 de IBM , ^{[ 4 ]} , una codificación obsoleta de IBM 5550 , también es una codificación de chino simplificado, pero utiliza un método de codificación diferente para GB 2312 ( Shift GB ), y por lo tanto es totalmente incompatible con la página de códigos 936 de Windows (a diferencia de la página de códigos 932 de IBM , que es, en una primera aproximación, ^{[ a ]} un subconjunto de la página de códigos 932 de Windows ), aunque International Components for Unicode no incluye un códec IBM-936 y utiliza la página de códigos de Windows para la cp936etiqueta. ^{[ 1 ]} La página de códigos de IBM para la cobertura GBK es la página de códigos 1386, que se define como una combinación de la página de códigos de un solo byte 1114 y la página de códigos de doble byte 1385. ^{[ 5 ]}

Los conceptos de "Windows-936", "GBK", "GB2312" y "EUC-CN" a veces se confunden en diversos productos de software. EUC-CN está registrado en la IANA como GB2312, aunque es un formato de codificación específico, de ancho variable y sin estado de 8 bits , de GB 2312 (que también tiene otros formatos de codificación menos utilizados, como HZ-GB-2312 , ISO-2022-CN o el mencionado Shift GB).

Dado que GBK es un superconjunto de EUC-CN (aunque no es un código EUC en sí mismo) y reemplazó a GB 2312 hace mucho tiempo, y dado que el software de Microsoft continuó asignando la GB2312etiqueta de codificación a la página de códigos 936 incluso después de extenderla para implementar GBK en lugar de EUC-CN, la mayoría de los productos de software modernos basados ​​en Windows implican soporte parcial para GBK a través de Windows-936, en lugar de EUC-CN u otros formatos de codificación de GB 2312, cuando utilizan el término "GB 2312" como opción de codificación de caracteres. Esto se puede observar en productos como Microsoft Internet Explorer y Notepad++.

Windows-936:

• Referencia de Microsoft para Windows-936
• Archivo de página de códigos para Windows-936
• Mapeo de Windows-936 a Unicode
• Demostración de Windows-936 en la UCI
• Componentes internacionales para Unicode (ICU), windows-936-2000.ucm

IBM-1386:

• Documentación de IBM para IBM-1386
• Demostración del IBM-1386 en la UCI.
• Mapeo de la UCI de IBM-1386 a Unicode