0
点赞
收藏
分享

微信扫一扫

位、字节、字、寻址能力、编码方式、大端小端

IT影子 2023-07-13 阅读 77


一、机器/系统相关

1.名称表

8位(比特、bit) = 2字节(Byte)= 1字(WORD)【总线所说的“字”根据系统而不同】

1、位(比特)
位是计算机存储的最小单位,简记为b,也称为比特(bit)计算机中用二进制中的0和1来表示数据,一个0或1就代表一位。位同时也是二进制数字中的位,是信息量的度量单位,为信息量的最小单位;
2、字节
字节,英文Byte,是计算机用于计量存储容量的一种计量单位,通常情况下一字节等于八位,字节同时也在一些计算机编程语言中表示数据类型和语言字符,在现代计算机中,一个字节等于八位;
3、字
字是表示计算机自然数据单位的术语,在某个特定计算机中,字是其用来一次性处理事务的一个固定长度的位(bit)组,在现代计算机中,一个字等于两个字节。

除此之外还有 双字DWORD、四字QWORD

2.寻址与字长

1.机器字长,是指CPU一次能处理数据的位数,通常与CPU的寄存器位数有关。
2.指令字长,计算机指令字的位数。指令字长取决于从操作码的长度、操作数地址的长度和操作数地址的个数。不同的指令的字长是不同的。
3.存储字长,是一个存储单元存储一串二进制代码(存储字),这串二进制代码的位数称为存储字长。
4.数据字长:计算机数据存储所占用的位数。
通常早期计算机:存储字长 = 指令字长 = 数据字长。故访问一次便可取一条指令或一个数据,随着计算机应用范围的不断扩大,三者可能各不相同,但它们必须是字节的整数倍。

CPU按照其处理信息的字长可以分为:8位微处理器、16位微处理器、32位微处理器、64位微处理器等。
CPU最大能查找多大范围的地址叫做寻址能力,CPU的寻址能力以字节为单位
32位寻址的CPU可以寻址2的32次方大小的地址也就是4G,这也是为什么32位的CPU最大能搭配4G内存的原因,再多的话CPU就找不到了。
——原则上32位cpu是不能装64位系统的(电脑已经很少有32位的cpu)
操作系统按照
32位操作系统支持的内存是2的32次方,也就是4GB内存。
64位操作系统理论上的寻址空间为2的64次方bit,转化单位为2147483648GB。

3.编码方式(乱码产生的原因)

ASCII码:一个英文字母(不分大小写)占一个字节的空间。一个二进制数字序列,在计算机中作为一个数字单元,一般为8位二进制数。换算为十进制,最小值-128,最大值127。如一个ASCII码就是一个字节。
UTF-8编码:一个英文字符等于一个字节,一个中文(含繁体)等于三个字节。中文标点占三个字节,英文标点占一个字节
Unicode编码:一个英文等于两个字节,一个中文(含繁体)等于两个字节。中文标点占两个字节,英文标点占两个字节

理解编码的关键,是要把字符的概念和字节的概念理解准确。这两个概念容易混淆,我们在此做一下区分:
概念描述 举例
字符人们使用的记号,抽象意义上的一个符号。 ‘1’, ‘中’, ‘a’, ‘$’, ‘¥’ ……
字节计算机中存储数据的单元,一个8位的二进制数,是一个很具体的存储空间。0x01, 0x45, 0xFA……


在计算机中,一串数码作为一个整体来处理或运算的,称为一个计算机字,简称字。字通常分为若干个字节(每个字节一般是8位)。在存储器中,通常每个单元存储一个字,因此每个字都是可以寻址的。字的长度用位数来表示。
在计算机的运算器、控制器中,通常都是以字为单位进行传送的。字在不同的地址出现其含义是不相同。例如,送往控制器去的字是指令,而送往运算器去的字就是一个数。
字符串
在内存中,如果“字符”是以ANSI编码形式存在的,一个字符可能使用一个字节或多个字节来表示,那么我们称这种字符串为ANSI字符串或者多字节字符串。如,“中文123” (占8字节,包括一个隐藏的\0)。
字符集
对于ANSI编码方式,存在不同的字符集(Charset)。同样的字节序列,在不同的字符集下表示的字符不一样。要正确解析一个ANSI字符串,还要选择正确的字符集,否则就可能导致所谓的乱码现象。不同语言版本的操作系统,都有一个默认的字符集。在不指定字符集的情况下,系统会使用此字符集来解析ANSI字符串。也就是说,如果我们在简体中文版的Windows下打开了一个由日文操作系统保存的ANSI文本文件(仅包含ANSI字符串的文本文件),我们看到的将是乱码。但是,如果我们使用Visual Studio之类的带编码选择的文本编辑器打开此文件,并且选择正确的字符集,我们将可以看到它的原貌。注意:简体中文字符集中的繁体字和繁体中文字符集中的繁体字,编码不一定相同。
每个字符集都有一个确定的编号,称为代码页(Code Page)。简体中文(GB2312)的代码页为936,而系统默认字符集的代码页为0,它表示根据系统的语言设置来选择一个合适的字符集。
Unicode
字符串在内存中,如果“字符”是以在Unicode中的序号存在的,那么我们称这种字符串为Unicode字符串或者宽字节字符串。在Unicode中,每个字符都占两个字节。如,“中文123”(占10字节)。Unicode和ANSI的区别就相当于输入法内的“全角”和“半角”的区别。
由于不同ANSI编码所规定的标准是不相同的(字符集不同),因此,对于一个给定的多字节字符串,我们必须知道它采用的是哪一种字符集则,才能够知道它包含了哪些“字符”。而对于Unicode字符串来说,不管在什么环境下,它所代表的“字符”内容总是不变的。Unicode 有着统一的标准,它定义了世界上绝大多数的字符的编码,使得拉丁文、数字、简体中文、繁体中文、日文等都能以同一种编码方式保存。

二、实践:C语言程序。

1.存储类型

在微型计算机中,通常用多少字节来表示存储器的存储容量。

在不同的系统上,这些类型占据的字节长度是不同的:
short、int、long、char、float、double 这六个关键字代表C 语言里的六种基本数据类型。

在32 位的系统上

char占据的内存大小是1 个byte。

short占据的内存大小是2 个byte;

int占据的内存大小是4 个byte;

float占据的内存大小是4 个byte;

double占据的内存大小是8 个byte;

long int占据的内存大小是4 个byte;

*可以用C语言关键字sizeof()来得到当前所占有字节数。

位、字节、字、寻址能力、编码方式、大端小端_ico

其中的整形int、浮点float、无符号unsigned
虽然在字节长度是一样的,但是存储方式不同,取读方式也不同,
详见我的另一篇博客:c语言输出0.000000或乱码,深究

2.大端、小端(字节序)

大端模式Big Endian,是指数据的高字节保存在内存的低地址中,而数据的低字节保存在内存的高地址中,这样的存储模式有点儿类似于把数据当作字符串顺序处理:地址由小向大增加,而数据从高位往低位放;这和我们的阅读习惯一致。

小端模式Little Endian,是指数据的高字节保存在内存的高地址中,而数据的低字节保存在内存的低地址中,这种存储模式将地址的高低和数据位权有效地结合起来,高地址部分权值高,低地址部分权值低。

*注

因为这张图一块内存即一个字节8位,放2个F(十六进制、4位、1111)

看这张图时要把“01”、“23”、“45”、“67”看作 “一个个字,左右结构”

所以

1.小端时不会出现“76 54 32 10”

2.对多于一个字节的short、int、double等才会出现网络字节序、大小端字节序的问题。

位、字节、字、寻址能力、编码方式、大端小端_字符串_02


判断是否为大端

bool IsBig_Endian()
//如果字节序为big-endian,返回true;
//反之为little-endian,返回false
{
	unsigned short test = 0x1122;
	if (*((unsigned char*)&test) == 0x11)
		return 1;
	else
		return 0;

}//IsBig_Endian()

3.不同系统/机器/编译器的字,所占字节不同

总线一般被设计来传输固定大小的一块数据,这块数据被称为字(word),一个字包含的字节数(即字的大小)是各种计算机系统里面的基本参数,而且这个参数在不同的系统里通常是不同的。大多数的现代计算机系统里面,一个字要么是4个字节,要么是8个字节.
由此我们可以看出,单纯问一个字占多少字节是没有意义的,因为字的大小取决去具体系统的总线宽度,如果是32位的系统(X86),则一个字是4个字节,如果是64位(X64),则是8个字节。

4.位端(位域)、位运算、结构体

位运算的时候,一些用到当前最大位的情况也需要知道

#include<stdio.h>
#define WORDSIZE 32 //我现在是X86模式编译,占32位,4字节(32位=4字节)
int main()
{
	unsigned a, b, c;
	int n;
	printf("请输入a和n  \n");
	scanf("%x,%d", &a, &n);
	b = a << (WORDSIZE - n);//书中源码这里是16(字节),我运行发现总是不对,发现我现在是X86模式编译,占32位
	c = a >> n;
	c = c ^ b;
	printf("a:%x \nc:%x", a, c);

	printf("%d", IsBig_Endian());
	return 0;
}

三、尺度单位(国际单位制单位前缀)

不同数量级间国际单位制(SI):
1KB=1024B;1MB=1024KB=1024×1024B。
国际电工委员会的电气技术用字母符号标准IEC 60027-2IEC 80000-13
数据存储是以10进制表示,数据传输是以2进制表示的,所以1KB不等于1000B。
1B(byte,字节)= 8 bit(见下文);
1KB(Kilobyte,千字节)=1024B= 2^10 B;
1MB(Megabyte,兆字节,百万字节,简称“兆”)=1024KB= 2^20 B;
1GB(Gigabyte,吉字节,十亿字节,又称“千兆”)=1024MB= 2^30 B;
1TB(Terabyte,万亿字节,太字节)=1024GB= 2^40 B;
1PB(Petabyte,千万亿字节,拍字节)=1024TB= 2^50 B;
1EB(Exabyte,百亿亿字节,艾字节)=1024PB= 2^60 B;
1ZB(Zettabyte,十万亿亿字节,泽字节)= 1024EB= 2^70 B;
1YB(Yottabyte,一亿亿亿字节,尧字节)= 1024ZB= 2^80 B;
1BB(Brontobyte,一千亿亿亿字节)= 1024YB= 2^90 B;
1NB(NonaByte,一百万亿亿亿字节) = 1024BB = 2^100 B;
1DB(DoggaByte,十亿亿亿亿字节) = 1024 NB = 2^110 B;

yotta     Y     10008      10^24     1000000000000000000000000     Septillion     Quadrillion     1991    
zetta     Z     10007      10^21     1000000000000000000000     Sextillion     Trilliard     1991    
exa		  E     10006      10^18     1000000000000000000     Quintillion     Trillion     1975    
peta      P     10005      10^15     1000000000000000     Quadrillion     Billiard     1975    
tera      T     10004      10^12     1000000000000     Trillion     Billion     1960    
giga      G     10003      10^9      1000000000     Billion     Milliard     1960    
mega      M     10002      10^6      1000000     Million     1960    
kilo      k     10001      10^3      1000     Thousand     1795    
hecto     h     10002⁄3     10^2      100     Hundred     1795    
deca      da    10001⁄3     10^1      10     Ten     1795    
                10000      10^0      1     One    
deci      d     1000−1⁄3    10^−1     0.1     Tenth     1795    
centi     c     1000−2⁄3    10^−2     0.01     Hundredth     1795    
milli     m     1000−1     10^−3     0.001     Thousandth     1795    
micro     µ     1000−2     10^−6     0.000001     Millionth     1960[2]    
nano      n     1000−3     10^−9     0.000000001     Billionth     Milliardth     1960    
pico      p     1000−4     10^−12    0.000000000001     Trillionth     Billionth     1960    
femto     f     1000−5     10^−15    0.000000000000001     Quadrillionth     Billiardth     1964    
atto      a     1000−6     10^−18    0.000000000000000001     Quintillionth     Trillionth     1964    
zepto     z     1000−7     10^−21    0.000000000000000000001     Sextillionth     Trilliardth     1991    
yocto     y     1000−8     10^−24    0.000000000000000000000001     Septillionth     Quadrillionth

东汉徐岳所著的《数术记遗》中,就相当完整地记载了中国表示数量的数词,由小到大依次为一、十、百、千、万、亿(10·8)、兆(10·12)、京(10·16)、垓(10·20)、秭(10·24)、穰(10·28)、沟(10·32)、涧(10·36)、正(10·40)、载(10·44),此后随着佛教的传入和文化交流,又增加了极(10·48)、恒河沙(10·52)、阿僧只(10·56)、那由他(10·60)、不可思议(10·64)、无量(10·68)、大数(10·72)等,其中万以下是十进位,万以上则为万进位。

参考引用:
https://baike.baidu.com/item/字节
http://bbs.gongkong.com/d/201504/613475_1.shtml
https://www.crifan.com/big_endian_big_endian_and_small_end_little_endian_detailed/
https://zhidao.baidu.com/question/1308113215598827339.html

举报

相关推荐

0 条评论