计算机储存数字和字符的方法你了解多少?

作者：薛8

来源：https://ddnd.cn/2019/02/16/byte-hex-ascii/

前言

最近在学习中涉及到计算机储存、传输数字和字符等操作，由于对字节、2进制、10进制、16进制、ASCII码的概念以及它们之间的关系和转换理解的不够透彻，导致在通讯、MD5消息摘要算法等时候出现问题，是因为数据转成计算机认识的01的这个环节出现问题。由于这个问题并不是那么容易发现，所以我也算是花了挺多时间才解决了这个问题，记录下解决过程，顺便也当复习一下计算机组成原理。

ASCII码

在计算机中，所有的数据在存储和运算时都要使用二进制数表示（因为计算机用高电平和低电平分别表示1和0），例如，像a、b、c、d这样的52个字母（包括大写）以及0、1等数字还有一些常用的符号（例如*、#、@等）在计算机中存储时也要使用二进制数来表示，而具体用哪些二进制数字表示哪个符号，当然每个人都可以约定自己的一套（这就叫编码），而大家如果要想互相通信而不造成混乱，那么大家就必须使用相同的编码规则，于是美国有关的标准化组织就出台了ASCII编码，统一规定了上述常用符号用哪些二进制数来表示。
ASCII 码一共规定了128个字符（0000 0000-0111 1111）的编码，比如空格SPACE是32（二进制0010 0000），大写的字母A是65（二进制0100 0001 ）。这128个符号（包括32个不能打印出来的控制符号），只占用了一个字节的后面7位（低7位），最前面的一位（高1位）统一规定为0(不要和数字的符号位搞混)。
当然除了ASCII码，还有UTF-8、GBK等。

字节

字节(Byte)普通计算机系统能读取和定位到最小信息单位，即我们通过计算机储存和传输数据的时候都是先把数据转成字节。
字节即Byte，一个字节代表8个比特（Bit），字节通常缩写为B，比特通常缩写为b。字节的大小是8Bit，即字节的范围是0000 0000 - 1111 1111，对于无符号型，它表示的十进制范围是[0,255]，对于有符号型，高一位表示符号位，它表示的十进制范围是[-128,127]。

计算机若何储存数据

计算机只认识0和1（因为计算机只有高低电平两个状态），数据要想通过计算机储存或者传输，首先是要把数据转成计算机能认识的格式即01数据。
我们举个例子，以储存十进制数字28和-28为例，首先将十进制数转成二进制。

需要注意的是： 数字在计算机中储存的是补码，而字符是在计算机中储存的是字符对应的编码（不要和数字的补码搞混）。

数字

储存十进制数字28和-28为例，首先将十进制数转成二进制，高1位为0代表正数，为1代表负数

28(10) = 0001 1100(2)(原码)

-28(10) = 1001 1100(2)(原码)

然后计算机将二进制数字进行补码运算，运算结果如下

28(10) = 0001 1100(2)(原码) = 0001 1100(2)(补码)

-28(10) = 1001 1100(2)(原码) = 1110 0100(2)(补码)

然后计算机保存的就是补码，当要取出数据的时候，就将补码逆运算一下，即可求出原码，再将原码转换一下就可以得到真实的数据了。
下面以Java语言演示这个过程，首先我们要清楚Java的byte、short、int、long都是有符号的(signed)

运行输出：

28储存到计算机后为：11100

-28储存到计算机后为：11111111111111111111111111100100

取出储存的28 以无符号表示：28

取出储存的-28 以无符号表示：4294967268

我们验证一下结果，验证了计算机确实是以补码的方式储存数字。这里有个小问题，就是我们知道int型有4个字节即32个比特，但是28却输出了111005个比特而已，是因为toBinaryString()方法把11100前面的0给忽略了。
取出的时候，我们以无符号的标准去处理，导致取出存入的-28结果是4294967268和我们存入的不一样，这是因为-28是负数，负数的补码和原码不一样，而用无符号处理的话就是直接将11111111111111111111111111100100转成结果了。而为什么28用有无符号处理结果都一样是因为正数的原码和补码一样，这样验证了Java的数据类型都是有符号的。

至于计算机为什么用补码来储存数字，而不是原码，原因是：
拿单字节整数来说，无符号型，其表示范围是[0,255]，总共表示了256个数据。有符号型，其表示范围是[-128,127]。
先看无符号，原码和补码都一样，0表示为0000 0000，255表示为1111 1111，刚好满足了要求，可以表示256个数据。
再看有符号的，若是用原码表示，0表示为0000 000。因为咱们有符号，所以应该也有个负0（虽然它还是0）1000 0000。这样的话那就有2个0，也就是只能表示255个数据，不能够满足我们的要求。而用补码则很好的解决了这个问题。

字符

在计算机中，对非数值的字符进行处理时，要对字符进行数字化，即用二进制编码来表示字符。其中西文字符最常用到的编码方案有ASCII编码和EBCDIC编码。对于汉字，我国也制定的相应的编码方案，比如 GBK，GB2312等。
比如字符a的ASCII码十进制值为97，在计算机中用二进制表示就是 01100001。下面同样用Java来演示计算机是如何储存字符的。

1. 采用UTF-8和GBK两种编码储存汉字

我们调试看看，发现GBK编码采用2个字节储存，储存的数据分别是10进制的-42和-48对应的二进制分别是11010110和11010000(补码)，即汉字中对应的二进制为1101011011010000，即16进制的D6D0，查看GBK对照表，发现16进制编码D6D0对应的汉字确实是中

而UTF-8编码采用3个字节储存，同理将对应的二进制111001001011100010101101转成16进制，为E4B8AD，通过UTF-8编码查询，发现汉字中对应的16进制编码确实是E4B8AD

2. 储存字符

调试看看，字符串EF有E和F两个字符，它们对应的十进制ASCII码分别是69和70

我们发现Java的getBytes()方法是将字符串的每一个字符都储存到一个字节的，如果我们想把EF储存在一个字节里面，即EF是一个整体的，一个字节，不能拆分，那我们可以把EF放在一个字节里面(byte)(0xEF)，声明它是一个字节，不是字符，不用再将它转成字符对应的编码。
下面说说我在进行MD5消息摘要算法时候遇到的坑，我要对QQ号对应的Hex进行MD5算法散列，这里我举例QQ号的10进制为12345678，对应的16进制为00BC614E(因为QQ号固定长度4个字节，所以前面补了2个0)，一开始我是以下面的方式进行MD5算法的

调试可以看到上面的代码其实是将字符串00BC614E转成了8个字节，然后再对这8个字节进行散列，这也是基于字符串进行的MD5散列，和通过网上一些网站散列得到的值是一样的

但是这个哈希值和预想的结果不一致，后来才知道预想的结果是基于字节进行的MD5散列，也就是00BC614E应该分成4个字节（00、BC、61、4E）而不是8个字节（0、0、B、C、6、1、4、E），然后通过修改代码

使用(byte)声明是一个字节，不是字符，不用再将它转成字符对应的编码。00、BC、61、4E分别是一个字节，当然因为字节为8个比特，能表示256个数字，因为Java的数据类型是有符号的，所以8个比特能表示的10进制范围是[-128,127]，所以(byte)(x) x不能小于-128和不能大于127，否则会溢出，溢出的部分数据会丢失。