Utf 8 什么字符编码最适合跨国公司

如果你有一个被翻译成世界上所有语言的网站，因此有一个包含所有这些翻译的数据库，那么什么字符编码是最好的？UTF-128

如果是，所有浏览器是否都理解所选的编码？ 字符编码是直接实现的还是有隐藏的因素

提前感谢。

是Unicode事实上的标准字符编码

UTF-8类似于UTF-16和UTF-32，因为它可以表示Unicode字符集中的每个字符。但与UTF-16和UTF-32不同，它具有向后兼容ASCII的优点。而且它的优点是避免了endianness的复杂性以及由此产生的使用字节顺序标记（byte order marks，BOM）的需要。由于这些和其他原因，UTF-8已成为万维网的主要字符编码，占所有网页的一半以上

---

没有UTF-128这样的东西。

在处理这个问题时，您需要考虑更多。 例如，您可以在UTF-8中表示中文、日文和几乎所有内容，但它将为每个此类“外来”字符使用一组转义字符，因此，由于这些额外的标记，您的数据表示可能会占用大量存储空间。你也可以看看UTF-16，它对于中文、日文等不需要转义/标记——但是，每个字符现在需要2个字节来表示；因此，如果您主要处理拉丁字符集，那么您的数据存储容量只增加了一倍，没有任何好处。还有专门用于日语的shift-jis，它比UTF-8或UTF-16更好地表示这些字符集，但是您不支持拉丁字符。

---

我会说，如果你知道前面你会有很多外国字符，考虑UTF 16；如果你主要处理口音和拉丁字符，使用UTF-8；如果你不使用任何拉丁字符，那么就考虑Shift JIS和Apple。

< P>如果你想支持多种语言的Web内容，你应该使用一个覆盖整个Unicode范围的编码。这方面的最佳选择是UTF-8。UTF-8是web的首选编码；发件人：

鼓励作者使用UTF-8。一致性检查器可能会建议作者不要使用传统编码。[RFC3629]

对于新创建的文档，创作工具应默认使用UTF-8。[RFC3629]

UTF-8和Windows-1252是浏览器需要支持的唯一编码，UTF-8和UTF-16是XML解析器需要支持的唯一编码。因此，UTF-8是所有东西都需要支持的唯一通用编码

---

以下是对Liv答案的进一步回应，而不是其本身的答案；这说明了为什么即使对于CJK内容，UTF-8也优于UTF-16

对于ASCII范围内的字符，UTF-8比UTF-16更紧凑（1字节vs 2字节）。对于ASCII范围和U+07FF（包括拉丁扩展、西里尔语、希腊语、阿拉伯语和希伯来语）之间的字符，UTF-8还使用每个字符两个字节，因此是wash。对于基本多语言平面之外的字符，UTF-8和UTF-16每个字符使用4个字节，因此这是一种清洗

UTF-16比UTF-8更有效的唯一范围是从U+07FF到U+FFFF的字符，其中包括印度字母和CJK。即使对于该范围内的许多文本，UTF-8也具有可比性，因为该文本的标记（HTML、XML、RTF或其他）都在ASCII范围内，UTF-8的大小是UTF-16的一半

例如，如果我选择一个日语的随机网页，即nhk.or.jp的主页，它将以UTF-8编码。如果我将其转码为UTF-16，它的大小几乎是原来的两倍：

$ curl -o nhk.html 'http://www.nhk.or.jp/' $ iconv -f UTF-8 -t UTF-16 nhk.html > nhk.16.html $ ls -al nhk* -rw-r--r-- 1 lambda lambda 32416 Mar 13 13:06 nhk.16.html -rw-r--r-- 1 lambda lambda 18337 Mar 13 13:04 nhk.html $curl-o nhk.html'http://www.nhk.or.jp/' $iconv-f UTF-8-t UTF-16 nhk.html>nhk.16.html $ls-al-nhk* -rw-r--r--1 lambda lambda 32416 Mar 13:06 nhk.16.html -rw-r--r--1 lambda lambda 18337 Mar 13 13:04 nhk.html UTF-8几乎在所有方面都比UTF-16好。这两种编码都是可变宽度编码，因此具有所需的复杂性。然而，在UTF-16中，4字节字符是相当少见的，因此更容易做出固定宽度的假设，并使所有内容都正常工作，直到遇到一个您无法理解的情况。这种混淆的一个例子可以在编码CESU-8中看到，这是如果您将UTF-16文本转换为UTF-8，只需将代理项对的每一半编码为一个单独的字符（每个字符使用6个字节；在UTF-8中使用3个字节对代理项对的每一半进行编码），而不是将该对解码为其码点并将其编码为UTF-8。这种混淆很常见，错误的编码实际上已经被标准化了，这样至少可以使坏程序进行互操作

对于绝大多数内容来说，UTF-8比UTF-16小得多，如果您关心文本的大小，压缩文本总是比选择不同的编码要好得多。UTF-8与使用以null结尾的字节序列来表示字符串的API和数据结构兼容，因此只要您的API和数据结构不关心编码或者已经可以处理其字符串中的不同编码（例如大多数C和POSIX字符串处理API），UTF-8可以很好地工作，而不必为宽字符提供一套全新的API和数据结构。UTF-16没有指定endianness，因此它让您处理endianness问题；实际上有三种不同的相关编码，UTF-16、UTF-16BE和UTF-16LE。UTF-16可以是big-endian或little-endian，因此需要指定BOM表。UTF-16BE和LE是大端和小端的版本，没有BOM表，因此您需要使用带外方法（例如内容类型HTTP头）来表示您正在使用哪个方法，但带外头是不可用的