如果能選擇,還是應該用 UTF-8。但這個結論有前提,以下把兩者的差異攤開來看。
GBK 的文字編碼是雙位元組表示,也就是不論中文或英文字元,一律佔用兩個位元組,只是為了區分中文而將最高位設為 1。它是在國家標準 GB2312 的基礎上擴容並相容 GB2312 而來。
值得注意的是,Windows 系統自身的程式早已全面轉向 Unicode,GBK 某個程度只是為了應付國家標準的權宜之計。
UTF-8 是為了解決國際字元問題而設計的多字元編碼:英文使用 8 位(一個位元組),中文使用 24 位(三個位元組)。它包含全世界所有國家需要用到的字元。
字元覆蓋範圍:GBK 包含全部中文字元;UTF-8 則包含全球語系的字元。
國際相容性:UTF-8 編碼的文字可以在各國各種支援 UTF-8 的瀏覽器上正確顯示。舉例來說,若是 UTF-8 編碼,外國使用者用英文版 IE 也能正常顯示中文,無需另外下載中文語言套件。GBK 則做不到這件事。
空間佔用:這是最關鍵的取捨。對英文而言,GBK 每個字元佔 2 個位元組,UTF-8 只佔 1 個位元組;但對中文而言,UTF-8 需要 3 個位元組,比 GBK 多了 50% 的儲存空間。
中文較多的站點,適宜用 GBK 編碼以節省資料庫空間。
英文較多的站點,適宜用 UTF-8 節省資料庫空間。
所以 UTF-8 雖具有良好的國際相容性,但中文會比 GBK/Big5 多佔 50% 的資料庫儲存空間,並非在所有情境下都是最佳選擇——這正是當年這份建議的重點。
這個取捨在今天已經不成立了,理由有三:
一、儲存成本不再是瓶頸。多出的 50% 在雲端儲存與現代硬碟的價格面前幾乎可以忽略,而維護多套編碼的成本遠高於此。
二、編碼混用是 bug 的溫床。只要系統中有一個環節忘了轉換,就會出現難以追蹤的亂碼。統一使用 UTF-8 能從根本上消除這一類問題。
三、整個生態系已經統一。HTML5 的預設編碼就是 UTF-8,HTTP、JSON、資料庫、作業系統全面以 Unicode 為基礎。堅持 GBK 只會不斷增加轉換成本。
所以現有的建議非常明確:新專案一律使用 UTF-8,沒有例外。唯有在維護老舊系統、或必須與只吃 GBK 的第三方介接時,才需要在邊界處做編碼轉換。