[發明專利]生僻字的編碼擴展方法、裝置、存儲介質及電子設備

有效

• 申請號: 202010335864.4
• 申請日: 2020-04-25
• 公開（公告）號: CN111444680B
• 公開（公告）日: 2023-05-16
• 發明（設計）人: 馬良有;鐘志堅;孫炎森;徐曉劍
• 申請（專利權）人: 中信銀行股份有限公司
• 主分類號: G06F40/126
• 分類號: G06F40/126;G06F40/151;G06F40/103
• 代理公司: 北京市蘭臺律師事務所 11354
• 代理人: 張峰

本發明公開了一種生僻字的編碼擴展方法、裝置、存儲介質及電子設備，方法包括：獲取第一輸入信息、當前支持的第一編碼以及待轉換的第二編碼；將所述第一輸入信息轉換為第一編碼的字節信息；判斷所述字節信息中是否包括生僻字的字節編碼序列；若所述字節信息中包括所述生僻字的字節編碼序列，則將所述字節編碼序列轉義為與第一編碼以及第二編碼約定格式對應的轉義序列進行表示。本發明提供的生僻字的編碼擴展方法、裝置、存儲介質及電子設備，可以解決現有各小字符集編碼的系統中難以表示、存儲、傳輸生僻字的問題。

技術領域

本發明是涉及網絡信息技術領域，特別是涉及一種生僻字的編碼擴展方法、裝置、存儲介質及電子設備。

背景技術

目前，全社會各行業、組織機構等內部的大量IT系統以及人民群眾所使用的電腦、手機等電子設備由于不同時期的不同廠商制造出品、開發實施，所使用的相關標準、字符集編碼也多種多樣。

現有技術對字符集進行編碼，常見的有3個體系：

1、ASCII和ANSI編碼體系：中國大陸有GB2312、GBK、GB18030幾個國家和行業標準，港臺有BIG5(地區標準CNS11643)。其中只有GB18030才是大字符集的編碼，但GBK應用最廣，包括大量的操作系統、數據庫、中間件、內外接口、應用系統及打印機等硬件都采用或只支持GBK這種小字符集編碼，或者更小的GB2312編碼。在簡體Windows操作系統中，微軟并未真正支持GB18030，在大部分場景中還是使用GBK(代碼頁936)。

2、EBCDIC編碼體系：用于IBM的大型機和AS/400小型機，銀行業應用較多，常用的是CCSID?1388，其收錄字符集比GBK的略大，所以也屬于小字符集編碼。

3、Unicode編碼體系：對應國際標準ISO10646，等同的國家標準為GB13000，具體存儲和傳輸常用的是其轉換格式UTF16、UTF8，屬于大字符集的編碼。UTF8編碼在新的系統中應用越來越廣。在Windows操作系統內部、Java語言String內部都是采用UTF16編碼來表示所有字符的，也有數據庫采用UTF16編碼的，中國大陸居民身份證芯片內部也采用UTF16編碼存儲姓名。

姓名含生僻字人員在證照辦理、民航鐵路購票、網上銀行、使用微信和支付寶類電子支付業務、檔案查詢、社保辦理等，涉及電腦錄入姓名或核實身份證上姓名時會遇到問題。原因是上述相關機構的IT系統內部或者系統間接口、對外服務接口很多只支持GBK或EBCDIC?CCSID?1388這些小字符集編碼。有些小字符集編碼的系統由于開發/供應商倒閉等各種原因導致無法升級支持大字符集編碼，對于采用小字符集的數據庫系統也無法存儲生僻字。

基于此，本申請的發明人發現，一些操作系統、數據庫、中間件、內外接口、應用系統只支持小字符編碼，而Windows操作系統內部、Java語言String內部雖然支持大字符編碼，在實際的應用過程中大字符集系統與小字符集系統對接轉換時卻會造成生僻字丟失，導致包含生僻字姓名的人員不能得到正常的服務。

公開于該背景技術部分的信息僅僅旨在增加對本發明的總體背景的理解，而不應當被視為承認或以任何形式暗示該信息構成已為本領域一般技術人員所公知的現有技術。

發明內容

為解決上述問題，本發明實施例的目的在于提供一種生僻字的編碼擴展方法、裝置、存儲介質及電子設備。

第一方面，本發明實施例提供了一種生僻字的編碼擴展方法，包括：獲取第一輸入信息、當前支持的第一編碼以及待轉換的第二編碼，其中，第一編碼為大字符集編碼，第二編碼為小字符集編碼；

將所述第一輸入信息轉換為第一編碼的字節信息；

判斷所述字節信息中是否包括生僻字的字節編碼序列；