Math 仍然排序的最佳整数编码

UTF-8的一个简洁的特点是，如果你比较两个字符串（使用来完全回答这个问题，你需要知道材料中代码点的频率。 UTF-8是英语文本的最佳选择，因为多字节字符在典型英语文本中非常罕见

使用UTF-8作为基本算法对整数进行编码需要将前n个整数映射为1字节编码，然后m映射为2字节编码，以此类推。

---

这是否是最佳编码取决于分布。如果前n个数字与更高的数字相比非常频繁，那么UTF-8将是（接近）最佳的。

标准编码很少，答案是否定的。任何超出UTF-8的进一步优化都不应称为“编码”，而应称为“压缩”-而词典编纂可比压缩是另一个部门

---

如果你正在解决一个现实世界（非纯学术）问题是，我会坚持使用最标准的UTF8。你可以在utf8everywhere.org上了解它与其他标准编码相比的效率。

你考虑过哈夫曼编码的一种变体吗？传统上，递归合并两个频率最低的符号，但为了保持顺序，可以将两个相邻的符号合并用最少的总数

看起来这个问题已经被很好地研究过了（贪婪算法不是最优的）。最优算法是由Hu和Tucker给出的，本文对此进行了详细描述

---

讨论基于字典的保序压缩也很有趣。

请看一下书堆压缩我不明白“更频繁”是什么意思。你能详细说明一下吗？@NayukiMinase为了确定最佳性，我们必须有频率的概念。如果和(（符号频率）*（符号长度）（适用于所有符号）最小化。我故意没有将我的问题形式化，因为我确实在寻找有关可排序编码的任何信息。我非常清楚您正在尝试对整数进行编码。如果您正在寻找特定的编码，那么您需要提供特定的分布。如果您正在寻找通用编码，那么用于UTF-8和UTF-16是编码可排序项（如整数或字符）的好选择。@Klaslindbaäck UTF-8的一个简单优化是删除第一个字节后字节头的10位。Varint样式的编码在这之后比UTF-8节省一位。UTF-8“浪费”为了使某些字节序列无效，并允许您向后迭代字符串（非常智能的权衡，IMO）.但我还没有看到这样一个问题的答案：给定符号的频率和它们的顺序，构造一个使编码长度最小化并保持字符串之间逐位比较的代码。我不是在编码文本，而是数字；较小的数字被认为更频繁。说UTF-8最适合于英文文本似乎是一个双关语太天真了，因为它忽略了英语中使用的可变宽度编码和多字节字符。我的观点是，没有适合所有发行版的编码。如果您的发行版与典型英语文本的发行版相似，那么UTF-8是一个不错的选择。如果您有更广泛的高概率数字范围，那么UTF-16更好呃。如果不知道分布情况，就不可能判断特定的编码是否正确。这就是为什么我没有将这个问题标记为unicode，这两个答案都认为我在尝试编码数字流时正在尝试编码文本。