引言 前面的小短文我们讲了二进制，二进制的表达方式很有限，单个载体只能表达出两种信息。在这里，这种单个载体称之为比特位，比特位即bit，是计算机最小的存储单位，以0或1来表示比特位的值，对应于实际世界一个晶体管。但是众人拾柴火焰高，人多力量大，我们可以使用多个载体来传达信息。 一个晶体管只能表达0 和 1这两种状态，但是两个晶体管可以表达4 (2的2次方 = 4) 种状态，分别为：00、01、10、11。而三个晶体管可以表示8种状态（2的3次方 = 8）。所以比特位的数目越多，我们可以表达的状态和信息量就越多。 字节、字、双字一般来说，我们把8个比特位合在一起，可以理解为实际的8个晶体管称为一个字节，英文单词为Byte。把两个字节合在一起叫做字，英文单词为Word，如果两个字合在一起，就叫做双字，Double Word。对应关系如下： 1字节 = 8比特 1字 = 2字节 = 16比特 双字 = 2字 = 4字节 = 32比特 此外，就像我们有千米，千克，一样 1 KB = 1000 Bytes 1 MB = 1000 KB 1 GB = 1000 MB 1 TB = 1000 GB 这里我用了1000作为换算比值，这是因为商家们在卖给我们产品的时候，比如宣称U盘有32个G，但实际上我们插到电脑里会发现只有29个G作业，除了一些必要的文件占用之外，还有一个原因是因为商家的换算比值与计算机内部的换算比值不同，计算机内部的换算比值为1024，即1 KB = 1024 Bytes。至于为什么商家为什么要这样，这可以说是一个商业噱头，宣传的时候数字大点可能消费者更喜欢。因此，换算比值可以是1024也可以是1000。 如何表示数字我们现在用的是10进制，我们使用0-9这10个数字再加上很多的位数可以表达出无穷无尽的数字。为什么158 这是数是意思是一百五十八，因为这是由8个1,5个10,1个100相加起来的数，我们会把每一位的数字乘以一个特殊的基数 这个基数会随着位置的变化而变化，从右往左开始，第一位的基数是1，第二位的基数10，它是第一位基数的10倍，第三位是100，它是第二位基数的10倍，这很简单。 158 = 1 * 10^2 5 * 10^1 8 * 1 158 = 100 50 8 = 158 同样的，二进制110其实是10进制中的6 110 = 1 * 2^2 1 * 2^1 0 * 1 110 = 4 2 0 = 6 在这里，我要提一下16进制16进制是一个很重要的进制。16进制表达二进制数起来会很简短 例如二进制数11110011表示为16进制数就是0x0F3。16进制的每一位有15种表示状态，分别为0-9再加上英文字母A-F，以表示10到15.，并且在书写16进制数时，最好在前面加上0x。如果数字开头为字母，则需要加上一个0，以防混淆，例如0xF要写成0x0F。同样的0x0F表示10进制的15： 0x0F = 0 * 16 15 * 1 = 15 正负数表示如果需要区分正负数，那么就需要占用额外的比特位，如果不考虑正负，那么一个字节可以表示0到255，如果要表示正负的话，我们会选择从左到右的第一位作为正负标记，一般规定，1代表负数，0代表正数，例如： 10000001 的含义为 -1 00000001 的含义为 1 这样，所能表示的数的范围就成为了-128到127。 浮点数表示浮点数包含的信息很多，根据IEEE754标准，单精度我们需要32位来存储信息 双精度需要64位来存储信息。 这里举一个例子，625.9可以用科学计数法表示为 0.6259 * 10^3 在这里，有三个关键的参数 1、 符号位(Sign) : 0代表正，1代表为负 2、指数位（Exponent）:用于存储科学计数法中的指数数据，并且采用移位存储 3、尾数部分（Mantissa）：尾数部分 具体如下图 浮点数表示法 如何表示文字其实表示文字和表示数字差不多。直接上图，来点感性认识： 这是一个简单的字符打印小程序 这是一段很小的c程序，在这段程序里，97这个数字如果输出方式为数字，那它就是数字97，如果输出方式为字符，那么它就是英文小写字母a, 98这个数字代表着小写字母 b ，在这段程序的眼中，字符和数字没什么不同，本质都还是数字，这种人为规定就将字母和数字联系了起来。 由于早期的计算机基本都是在欧美或者是其他国家发明的，对于以英语为主的国家，所需要的字符量很少，阿拉伯数字，26个英文字母还有若干个标点符号就可以满足基本的日常需要，这样，把这种对应关系固定下来，就有了ASCII码表。 美国标准信息交换代码是由美国国家标准学会(American National Standard Institute , ANSI )制定的，标准的单字节字符编码方案，用于基于文本的数据。起始于50年代后期，在1967年定案。它最初是美国国家标准，供不同计算机在相互通信时用作共同遵守的西文字符编码标准，它已被国际标准化组织（International Organization for Standardization, ISO）定为国际标准，称为ISO 646标准。适用于所有拉丁文字字母。 ASCII 码使用指定的7 位或8 位二进制数组合来表示128 或256 种可能的字符。标准ASCII 码也叫基础ASCII码，使用7 位二进制数（剩下的1位二进制为0）来表示所有的大写和小写字母，数字0 到9、标点符号， 以及在美式英语中使用的特殊控制字符。 ——百度百科 ASCII码对照表 中国汉字的存储由于我们中国的汉字很特殊，每一个字都是唯一的，一般不能由其他字组合起来，不像英文单词是由26个字母拼合起来的。因此，我们需要足够多的数字来一一对应汉字，因此一般汉字的存储需要两个字节，或者说一个字，也就是16比特， 16比特可以存储2^16次方 即 65536种信息。并且我们有自己的编码规范。 《信息交换用汉字编码字符集》是由中国国家标准总局1980年发布，1981年5月1日开始实施的一套国家标准，标准号是GB 2312—1980。1995年又颁布了《汉字编码扩展规范》（GBK）。GBK与GB 2312—1980国家标准所对应的内码标准兼容，同时在字汇一级支持ISO/IEC10646—1和GB 13000—1的全部中、日、韩（CJK）汉字，共计20902字。 随着要支持的汉字越来越多，还有适应社会的不断发展，我们国家的编码规范也在不断地更新完善。 万国码随着世界各国的经济文化交流越来越紧密，各国国家不能固步自封，迫切地需要一种统一的计算机字符编码，这时，万国码（Unicode）出现了。 万国码，万国码，通俗的讲就是全世界都通用的编码，它为了全世界通用，采用了一种非常简单的方法，就是将全世界所有的文字，符号都存放在一起。 Unicode 是有两个字节、四字节之区分，UCS-4用4个字节编码，可表示2的32次方，即4294967296种字符。 Unicode（统一码、万国码、单一码）是计算机科学领域里的一项业界标准,包括字符集、编码方案等。Unicode 是为了解决传统的字符编码方案的局限而产生的，它为每种语言中的每个字符设定了统一并且唯一的二进制编码，以满足跨语言、跨平台进行文本转换、处理的要求。 通用字符集（Universal Character Set, UCS）是由ISO制定的ISO 10646（或称ISO/IEC 10646）标准所定义的标准字符集。UCS-2用两个字节编码，UCS-4用4个字节编码。 资料来源特此鸣谢 The Crash Course 本篇有图片来源于网络，如有侵权，立即删除。 由于本篇涉及到的内容有些宽泛，因此只能给大家一个简单的感性认识，并没有涉及到图片的存储，因此下一篇会补上。如果读者想深入探讨，可以上网搜索相关资料，如果错误，望批评指正，不胜感激。
|
