字节、比特、字、字长、字符串、字符集和代码页

编程技术  /  houtizong 发布于 3年前   108

“字节”（Byte） “比特”（Bit）

当你进行网络下载的时候它们会经常出现，同时你获取的速度指示也都以比特/每秒或者字节/每秒来显示。 现在就来弄清楚比特（Bit）、字节（Byte）和千字节（Kbyte）究竟是什么意思，这样你就能理解它们了。 一个比特就是一个二进制数的最小单元，就像我们说我们能够拥有的最小金额的钱就是一分一样，只不过比特是在二进制数中罢了。

“比特”（Bit）
一个比特只能拥有一个值，不是0就是1，所以如果我给你一个值0，你可以说它就是一个比特，如果我给你两个（00），你就可以说它们是两个比特了。 
现在，如果你将八个0或者1组合在一起，例如0110 1010（在中间加一个空格是为了看起来清晰明了），你就可以说它们是八个比特或者说一个字节。好，这就对了，八比特就等于一字节，而不管它们都是全是0、全是1或者是由若干0和若干1混合而成。 将这些字节加起来，到了1024个字节的时候，就获得了一个千字（Kbyte）了，为什么是1024而不是1000呢？这是由二进制的进位方式造成的，如果你学过数学，你就会知道上述结果是正确的。 

容易混淆的概念

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。字出现在不同的地址其含义是不相同。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。

字长

　　计算机的每个字所包含的位数称为字长。根据计算机的不同，字长有固定的和可变的两种。固定字长，即字长度不论什么情况都是固定不变的；可变字长，则在一定范围内，其长度是可变的。

　　计算的字长是指它一次可处理的二进制数字的数目。计算机处理数据的速率，自然和它一次能加工的位数以及进行运算的快慢有关。如果一台计算机的字长是另一台计算机的两倍，即使两台计算机的速度相同，在相同的时间内，前者能做的工作是后者的两倍。

　　一般地，大型计算机的字长为32―64位，小型计算机为12―32位，而微型计算机为4一16位。字长是衡量计算机性能的一个重要因素。

字节

　　字节是指一小组相邻的二进制数码。通常是8位作为一个字节。它是构成信息的一个小单位，并作为一个整体来参加操作，比字小，是构成字的单位。

　　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。

字符，字节，字符串 

　　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7字节）。

字符集和代码页

　　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（事实证明，似乎是完全不同）。

　　每个字符集都有一个唯一的编号，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。