有关 Web 字符编码的问题,已经是老生常谈。今天看到 一峰 兄弟和 Lunatic Sun 不谋而合的谈到有关 UTF-8 的使用现状,也谈谈我的看法。

https://friable.rocks/_/2009_11_05/88667584dc9c.jpg

上图是 Google 根据近年 Web 页面编码趋势的一个总结 。我很欣喜的看到 UTF-8 编码已经成为了主流,而犹如 一峰 兄弟所言,让人堪忧的是中文字符编码还是呈现很平稳的趋势,这说明目前 UTF-8 编码并没有在中文网站中推广开来。

究其原因,本人认为会有如下几点:

第一,中文编码(无论是 GBK、GB2312、GB18030 等)都变成了「传统」,毕竟这是 中文 的编码。开发者不愿意在字符编码这块花太多的心思。

第二,由于早期项目的原因,不得不继续使用 GBK 等中文编码。

我曾经就遇到过这样的一个项目,当时我很奇怪他们为什么不用 UTF-8,因为他们面对的客户不仅仅是国内用户。而解决这一方案的办法就只能是 使用非常劳累的手段 ,但这是指标不治本的办法。虽然最后,在本人的一再坚持下,最后还是转成了 UTF-8 编码,但相信国内还有很多项目都会碰到类似的问题。

第三,开发工具方面的支持,尤其是国内的一些产品。从根本上说,除了基本的思想意识以外,还有就是开发工具的问题。或许有一天,开发者相关的开发工具都默认的就是 Unicode 的话,这样转换的成本就会非常的低。

第四(感谢小马补充),流量大、文字多的中文站点通常都会使用 GB2312,原因很简单,页面下载量会比 UTF-8 小(GBK 编码只需要两个字节,而 Unicode 需要三个或者以上)。

那么,我经常使用的些主要的中文站点,目前在使用什么编码呢?下面是一个不完全的列表,供大家参考一下(以页面 meta 标签的 Content-type 为准)。

  1. 淘宝 - GB2312
  2. 支付宝 - GB2312
  3. 口碑 - GBK
  4. 中国雅虎 - GB2312
  5. 163 - GB2312
  6. 新浪 - GB2312
  7. 搜狐 - GB2312
  8. 豆瓣 - UTF-8
  9. Yupoo - UTF-8
  10. 谷歌 - UTF-8
  11. ...

从上述的站点看来,目前国内一般门户类型的站点基本上都是 GBK 等编码,而类似 豆瓣Yupoo 这样的新兴 「Web2.0 式站点」已经开始尝试 UTF-8 。在我看来,Unicode 在中文站点的推广,任重而道远。

那么接下来,在您以后的项目中,您会选择什么字符编码?

另,有关字符编码方面的知识,一峰 兄弟的 相关文章 ,很受用。