- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
场景
您有许多 XML 文件以 UTF-16 格式存储在数据库或服务器上,而空间不是问题。您需要将这些文件中的大部分作为 XML 文件传输到其他系统,并且使用尽可能少的空间至关重要。
问题
实际上,存储为 UTF-16 的文件中只有大约 10% 需要存储为 UTF-16,其余的可以安全地存储为 UTF-8 并且没问题。如果我们可以让那些需要 UTF-16 的是这样的,而其余的是 UTF-8,我们可以在文件系统上使用大约 40% 的空间。
我们尝试过对数据进行大压缩,这很有用,但我们发现使用 UTF-8 获得的压缩率与使用 UTF-16 时相同,而且 UTF-8 压缩速度更快。因此,最终如果尽可能多的数据以 UTF-8 格式存储,我们不仅可以在未压缩存储时节省空间,即使在压缩时我们仍然可以节省更多空间,甚至可以通过压缩本身节省时间.
目标
确定 XML 文件中何时存在需要 UTF-16 的 Unicode 字符,以便我们只能在必要时使用 UTF-16。
关于 XML 文件和数据的一些细节
虽然我们控制 XML 本身的模式,但我们不控制从 Unicode 的角度来看值中可以包含什么类型的“字符串”,因为源可以免费提供要使用的 Unicode 数据。然而,这种情况很少见,因此我们不想每次都使用 UTF-16 来支持只在 10% 的时间需要的东西。
开发环境
我们将 C# 与 .Net Framework 4.0 结合使用。
编辑:解决方案
解决方案就是使用 UTF-8。
这个问题是基于我对 UTF 的误解,我感谢大家帮助我弄清楚。谢谢!
最佳答案
编辑:我没有意识到您的问题暗示您认为存在不能安全编码为 UTF-8 的 Unicode 字符串。不是这种情况。以下答案假设您真正的意思是一些字符串会像 UTF-8 一样更长(占用更多存储空间)。
我会说甚至不到 10% 的文件需要存储为 UTF-16。即使您的 XML 包含大量的中文、日文、韩文或其他 UTF-8 比 UTF-16 更大的语言,如果该语言的文本多于 XML 语法,这仍然只是一个问题。
因此,我最初的直觉是“使用 UTF-8 直到出现问题”。这也有助于保持一致性。
如果您有充分的理由相信大部分 XML 将是东亚语言,那么您才需要担心。在那种情况下,我会应用一个简单的启发式方法,比如……遍历 XML 并计算大于 U+0800 的字符数(在 UTF-8 中是三个字节),并且仅当它大于小于 U+0080 的字符(在 UTF-8 中是一个字节),使用 UTF-16。
关于c# - 如何判断 "Lowest"编码可能?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/3731465/
我对自定义 CSS 或在将图像作为 Logo 上传到页面时使用编码 block 有疑问。我正在为我的网站使用 squarespace,我需要帮助编码我的 Logo 以使其适合每个页面。一个选项是使用自
如 encoding/json 包文档中所述, Marshal traverses the value v recursively. If an encountered value implement
我必须做一些相当于Java中的iconv -f utf8 -t sjisMS $INPUT_FILE的事情。该命令在 Unix 中 我在java中没有找到任何带有sjisMS的编码。 Java中有Sh
从 PHP 5.3 迁移到 PHP 5.6 后,我遇到了编码问题。我的 MySQL 数据库是 latin1,我的 PHP 文件是 windows-1251。现在一切都显示为“ñëåäíèòå àäðå
我有一个 RScript文件(我们称之为 main.r ),它引用了另一个文件,使用以下代码: source("functions.R") 但是,当我运行 RScript 文件时,它提示以下错误:
我无法设法从 WSDL 创建 RPC/编码风格的代码 - 有谁知道哪个框架可以做到这一点? 带有 adb 和 xmlbeans 映射的 Axis2 无法正常工作(无法处理响应中的肥皂编码)直接使用 X
安装了最新版本的Node.Js()和npm包**(1.2.10)**当我运行 Express 命令来生成项目时,它向我抛出以下错误 buffer.js:240 switch (encoding &
JavaScript中有JSON编码/解码base64编码/解码函数吗? 最佳答案 是的,btoa() 和 atob() 在某些浏览器中可以工作: var enc = btoa("this is so
>>> unicode('восстановление информации', 'utf-16') Traceback (most recent call last): File "", line
我当然熟悉 java.net.URLEncoder 和 java.net.URLDecoder 类。但是,我只需要 HTML 样式的编码。 (我不想将 ' ' 替换为 '+' 等)。我不知道任何只做
有一个非常简单的 SSIS 包: OLE DB Source 通过 View 获取数据(数据库表 nvarchar 或 nchar 中的所有字符串列)。 派生列,用于格式化现有日期并将其添加到数据集(
我正在使用一个在 Node 中进行base64编码的软件,如下所示: const enc = new Buffer('test', 'base64') console.log(enc) 显示: 我正
我试图将带有日语字符的数据插入到 oracle 数据库中。事情是保存在数据库中的是一堆倒置的问号。我该如何解决这个问题 最佳答案 见 http://www.errcode.net/blogs/?p=6
当我在 java 中解压 zip 文件时,我发现文件名中出现了带有重音字符的奇怪行为。 西索: Add File user : L'equipe Technique -- Folder : spec
在网上冲浪我找到了 ExtJS 的 Ext.Gantt 插件,该扩展有一个特殊的编码。任何人都知道如何编码那样或其他复杂的形式。 Encoded Gantt Chart 最佳答案 它似乎被 Dean
我正在用C语言做一个编码任务,我进展顺利,直到读取符号并根据表格分配相应的代码的部分。我必须连接几个代码,直到它们的长度达到 32 位,为此我必须将它们写入一个文件中。这种写入文件的方法给我带来了很多
我有一个外部链接的 javascript 文件。在那个 javascript 里面,我有这个功能: function getMonthNumber(monthName){ monthName = mo
使用mechanize,我检索到一个网页的源页面,其中包含一些非ASCII字符,比如汉字。 代码如下: #using python2.6 from mechanize import Browser b
我有一个包含字母 ø 的文件。当我用这段代码 File.ReadLines(filePath) 读取它时,我得到了一个问号而不是它。 当我像这样添加编码时 File.ReadLines(filePat
如何翻译下面的字符串 H.P. Dembinski, B. K\'{e}gl, I.C. Mari\c{s}, M. Roth, D. Veberi\v{c} 进入 H. P. Dembinski,
我是一名优秀的程序员,十分优秀!