字节与编码

一直有个疑问，就是字节，位这些单位和我们用计算机工作，娱乐，上网有什么关系？为什么一个字节是8位bit？随着自己查找些资料，似乎有些明白了。

 

为什么一个字节是8位？

这个是取决与CPU设计的，因为0，1只能表示2种状态，所以仅仅是0，1做计算时并不能做复杂计算，所以需要将0，1进行组合，一个0或1代表一个位，一般的计算机都被设计成8位一组（数据）也就是1byte，这样由8个0或者1就可以表述很多信息了，此时你内心应该设计一下自己的组合。

 

举一个不恰当的玩笑例子：

4位0和1，我们来设计一下能表述的信息，0000表示饭店，0001表示拿筷子，0010表示拿碗，0011表示夹菜，0100表示洗完。。。。。。

输入 0000,0001,0010,0011,0100对应的处理流程

发现饭店，拿筷子，拿碗，夹菜，洗完。。。。。。

是不是很无聊。

 

计算机用8位为计算最小单位，也就是最小 0000 0000，最大 1111 1111，这就是1byte的范围了。十进制就是0~255或-128~127（为什么是127？是因为0占一个位了，所以约定是将正数少一位给0了）。

 

自认为是讲明白了位的意思，那就再讲讲byte与字符吧。

什么ABCD，abcd，1234，计算机能理解吗？扯淡，它很单纯只认识0和1，你给它abcd它认识才怪？那怎么办？难道买台计算机需要不停的输入0和1么？瞬间感觉计算机好辣鸡，这时候伟大的科学家们（我儿时梦想）就发明了编码，就像我上面例子哪有，输入拿筷子就是0001，输入拿碗就是0010，这个过程就叫编码。

 

因为发明计算机的人是会英文的，而且相对简单只有26个字母，所以最初的编码用一个byte就能标记好了，就比如这样

 

 

上面截图就是 ANCII编码，我们可以发现它是8位描述一个字符的，也就是1byte。是不是觉得原来如此哦，计算机总算是明白我们的abcd了。当然这里有编码转换操作，这一般都是我们写的程序来做的（脸皮厚，你写的？）将我们理解的转换成计算机理解的0和1。

 

汉字怎么办？1byte最多也就是255个字符，目前发现的汉字就有8W多，常用的也要近万了吧，255，太少了，不行，1byte无法装下我们博大精深的汉字。（从这儿也能体现英文真的很简单的样子，为什么的我的英文这么辣鸡呢？）

 

中国的方案GBK编码，用2byte来描述汉字，这样能描述最多65535（2^16=65536-1=65535，为什么又减1？因为0要占一个0位），这样大多数常用汉字，特殊字符等都能被映射出对应的二进制了。

 

然而全球化的今天，大多数使用万国码了，将所有国家的语言填进一个码表里面，这就是Unicode，它用4个字节，也就是2^32次方，这个数就很大了，0~2^32的范围可以描述所有的字符，但是这也带来一个问题，网络中以Unicode传输的时候，大多数都在传输无意义的00000.....这样的东西，导致带宽浪费。

UTF-8就是一个很好的设计，它是可变长度编码站1-4个字节，高位的1的数量来表示它占多少位，后面的位对应做映射，有效的缩减字节数。例如，高位时0（（0000 xxxx））就占一个字节，高位两个1（1100 xxxx....）就占2字节，依次类推。

 

我也只能理解这么多了，更多的就需要自己动手了，个人理解的原理应该是这样的，希望指正和意见。