2022-10-25 位、字节、字、寻址能力、编码方式、大端小端

https://blog.csdn.net/sinat_27382047/article/details/104522170

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。

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
如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……

字
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。

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。

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()
1
2
3
4
5
6
7
8
9
10
11
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

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;

}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
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