变长编码的优缺点 为什么Linux系统默认使用utf8编码？
为什么Linux系统默认使用utf8编码？
GBK是微软为简体中文开发的本地代码，被工信部起诉。每个国家或地区都会制定和使用自己的地方代码，一些企业也会制定某个国家或地区的地方代码（GBK是微软制定的简体中文代码）。当打开用本地代码编写的文件而不指定使用的本地代码时，可能会看到乱码。
为了解决本地编码混乱的问题，Unicode和ISO这两个组织已经开始开发一种字符编码系统，可以容纳不同国家的字符而不发生冲突。目前，这两个组织相互承认，并有兼容的编码。
目前，许多计算机系统使用2字节（16位整数）或4字节（32位整数）统一编码。统一编码只描述每个字符的编码，但没有解释如何将编码存储在存储介质上。
目前，计算机系统中有前高字节和前低字节两种整数存储模式，因此前高字节的数据在前低字节的系统中会出现异常，反之亦然。同时，我们知道很多编程系统在处理字符串时，都会把值为0的字节作为字符串的结尾，不管是前高字节还是前低字节，字符串中都会出现大量值为0的字节，因此传统的字符串处理功能无法使用。
为了解决统一编码的存储和与现有字符串处理函数兼容的问题，引入了utf8编码。这种编码规定了统一编码的存储方式，并确保值为0的字节仍然用作字符串的结尾，这样就可以继续使用原来的字符串处理函数，而不需要开发新的集合。
当然，utf8有问题。统一编码的字符可以编码为一个字节、两个字节、三个字节、四个字节（版本1）或六个字节（版本2）。
不等长编码是什么？
不等长编码包括哈夫曼编码、香农编码、法诺编码等。哈夫曼编码是一种编码方法，是一种用于无损数据压缩的熵编码（加权编码）算法。
在计算机数据处理中，哈夫曼编码使用可变长度编码表对源符号（如文件中的字母）进行编码。可变长度编码表是通过评估信源符号出现概率的方法得到的。出现概率高的字母采用较短的编码，而出现概率低的字母采用较长的编码，使得编码后的字符串更容易压缩，减少了数据的平均长度和期望值，从而达到无损数据压缩的目的。
版权声明：本文内容由互联网用户自发贡献，本站不承担相关法律责任.如有侵权/违法内容,本站将立刻删除。
