簡單理解資訊在電腦中的表示

標籤：android   os   java   io   檔案   for   ar   資料   問題   

資訊是一個很寬泛的概念，說大了是與物質和能量鼎立的自然界三要素，這裡僅僅涉及到電腦中的資訊；

眾所周知，對電腦自身而言，所有資訊都是0/1二進位形式；

作為JavaEE/Android程式員，在開發過程中有時會遇到字元編碼，進位轉換這樣的基礎問題，雖然依靠經驗或者網路搜尋能很快實現功能，但每次都感覺對基本概念理解得不是很透徹，不如把現有的理解記錄下來，以備後用；

 

資訊在電腦中大致分為控制資訊和資料資訊；

控制資訊是電腦系統內部運轉用到的控制命令，例如讀寫命令，中斷訊號，片選訊號，複位訊號，就緒訊號等；當然都是二進位表示；

資料資訊指電腦可運算、可儲存、可傳輸、可採集、可輸出的各種資料；可分為數值資料，文本資料（字元，字串），多媒體資料（映像，音頻，視頻），位元據（可執行檔等）；

 

電腦資訊的表示跟資訊的處理，傳輸，儲存，輸入/輸出一樣，是電腦系統最基本的功能之一；

電腦中的資訊表示可分為硬體系統可直接表示的資訊，和軟體系統可表示的資訊；後者如資料結構，資料庫表結構，XML/Json結構等等；

 

這裡，只討論電腦硬體系統對資訊的表示；

 

位，Bit，Binary digit的縮寫，是電腦中資訊表示的最小單位；跟電子電腦的“電子”有關，高低電平；

位元組，Byte, 8Bit, 可表示一個英文字元ASCII碼；跟電腦的發明國美利堅所用語言有關；

定點數，小數點位置固定不變；定點小數的小數點緊跟符號位之後；定點整數小數點在有效數值部分之後；

浮點數，小數點位置可以浮動；尾數，階碼，底數；尾數位元越多，所表示數值的密度越大，精度越高；階碼位元越多，所表示數值的範圍越大；

無符號數，全部二進位位均表示數值位；

有符號數，最高位被用來表示符號位；

機器數，一個數的二進位表示形式，最高位表示符號；

真值，機器數代表的真正數值；

原碼，符號位加上真值的絕對值；

反碼，正數的反碼與其原碼相同，負數的反碼是對其原碼逐位取反，符號位除外；

補碼，正數的補碼與其原碼相同，負數的補碼是在其反碼的末位加1；

在電腦中，數值一律採用補碼錶示；

補碼設計目的:

-使符號位能與有效值部分一起參加運算（自動溢出）,簡化運算規則；

-使減法運算轉換為加法運算（同餘，模數，A-B 等於 A+B的補碼）,簡化電腦中運算器的線路設計；

溢出，計算得出的數值超出了整數類型可以表示的數值範圍；

進位，進位主要包含基數和位權兩個因素；電腦常用的是二進位，八進位，十六進位；

N進位轉換成十進位，按權求和；

十進位轉換N進位，整數部分-除N取餘，小數部分-乘N取整；

一般可藉助二進位或十進位做中間轉換；

具體的轉換原理和演算法及程式實現在另外的文章再做介紹；

 （todo 補碼運算和浮點數運算）

 

字元編碼和字元集：

ASCII-American Standard Code for Information Interchange. 1bit+7bit; 英文字元編碼，老美出品，第一個bit為0，可表示128個字元；擴充集第一個bit為1，加起來

表示256個字元；

這對於非英語國家特別是亞洲國家的文字表示是遠遠不夠啊，於是各國開始擴充自己的字元集；各自擴充的結果就是互不相容；同一個二進位串在不同語言國家表示不同字元；

於是出現了偉大的萬國碼Unicode,可統一表示世界上所有國家的文字； Unicode僅僅給出了字元的編碼值，這些值在電腦中具體怎麼表示是由UTF來實現的；

具體有：UTF-8/UTF-16/UTF-32;

UTF-8用可變長度（1-6）位元組表示Unicode值，UTF-16用2位元組或4位元組表示Unicode值；UTF-32用4位元組表示Unicode值；

既然是可變多位元組表示，為了避免歧義，就要指明位元組的長度和順序(BOM)；

UTF-8 encoding scheme: 

for 1 byte unicode character: the first bit is 0, the rest 7 bits are the unicode value of the character; 

for n byte unicode character: the first n bits of the first byte are 1, and the n+1 bit is 0, the first 2 bits of the rest bytes are 10, and all the rest bits are the

unicode value of the character; 

Unicode符號範圍           | UTF-8編碼方式

(十六進位)                   |（二進位）

------------------------------------------------------------------

0000 0000-0000 007F | 0xxxxxxx

0000 0080-0000 07FF | 110xxxxx 10xxxxxx

0000 0800-0000 FFFF | 1110xxxx 10xxxxxx 10xxxxxx

0001 0000-0010 FFFF | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx

其它字元編碼還有：

UCS-Universal Character Set: UCS-2(16bit), UCS-4(32bit), 

EBCDIC-Extended Binary Coded Decimal Interchange Code:8bit. 

ISO 8859: 8bit, 

GB2312:16bit, 94區*94位, 簡體中文. 

BIG5: 16bit, 繁體中文. 

 

 

關於big-endian(FEFF)和little-endian(FFFE):

big-endian: the higher(most significant) byte stored in the lower memory address. 

little-endian: the lower(least signaficant) byte stored in the lower memory address. 

BOM-Byte Order Mark,ZERO WIDTH NO-BREAK APACE,FFFE,

 

 

（todo 多媒體資訊表示，圖形，映像，動畫，音頻，視頻，虛擬現實）

簡單理解資訊在電腦中的表示