编码（encode）问题

1. UTF-8 与 GBK

UTF-8：

• 允许含 BOM，但通常不含 BOM
• 用以解决国际上字符的一种多字节编码，
  
  • 英文：8 bits（1 byte）
  • 中文：24 bits（3 bytes）
• UTF-8 包含了世界上所有国家需要用到的字符，是国际编码，通用性强；
• 使用 UTF-8 编码的文本可以在各国支持 UTF-8 字符集的浏览器上显示，
  
  • 如果使用的是 UTF-8，则外国人的英文 IE 上也能显示中文，无需下载 IE 的中文语言支持包；

GBK

• 国家标准 GB2312 基础上扩容后兼容 GB2312 的标准。
  • GBK 的文字编码使用双字节。即不论中英，均使用双字节，
  • 为了区分中文，将其最高为都设为 1，
  • GBK 支持所有中文，是国家标准（GB：国标），通用性不如 UTF-8，不过显然 UTF-8 占用的数据库比 GBK 要大，不符合中国国情；

2. 解码歧义与前缀无歧义编码

编码方案确定后，尽管编码结果必然确定，但解码过程和结果却不见得唯一。

解码算法一般采用，按顺序对信息比特流做子串匹配的策略，因此为了消除匹配的歧义性，任意两个原始字符所对应的二进制编码串，相互都不得是前缀。

反过来，只要个字符的编码串互不为前缀，则即便出现无法解码的错误，也绝对不致歧义。这类编码就是所谓的“前缀无歧义编码”（prefix-free code），简称 PFC 编码。