差别
这里会显示出您选择的修订版和当前版本之间的差别。
| 后一修订版 | 前一修订版 | ||
| 代码术语:字节 [2026/10/14 22:01] – 创建 张叶安 | 代码术语:字节 [2026/10/14 22:03] (当前版本) – 在导图之后恢复返回链接 张叶安 | ||
|---|---|---|---|
| 行 1: | 行 1: | ||
| - | 1 | + | ====== 一文讲清楚:字节(Byte) ====== |
| + | |||
| + | 先给结论:**字节(byte,符号 B)= 8 个二进制位(bit)**,是计算机里**可独立寻址的最小存储单元**,也是描述文件大小、内存占用、缓冲区长度最常用的单位。说“这段数据有多少字节”,说的就是它由多少个这样的 8 位小格子组成。 | ||
| + | |||
| + | 先分清最容易混的一对:**bit 是最小单位,byte 是最小可用单位**。单个位只能表示 0 或 1,孤立的位几乎没法用;把 8 位捆成一个字节,才刚好装下一个 ASCII 字符,也刚好能用两位十六进制写出来('' | ||
| + | |||
| + | ===== 1. 定义与由来 ===== | ||
| + | |||
| + | * **现代定义**:1 字节 = 8 位。写进标准后就是固定的 8 位,不再随平台变化。 | ||
| + | * **早期并不统一**:4 位、6 位、7 位、9 位、12 位的“字节”都出现过。6 位字节装不下小写字母,这也是后来各种字符集出现的原因之一。 | ||
| + | * **8 位胜出的理由**: | ||
| + | - 2⁸ = 256 种取值,足以覆盖一张 ASCII 码表; | ||
| + | - 两位十六进制正好写一个字节,调试时肉眼可读; | ||
| + | - 8 是 2 的幂,与 16 / 32 / 64 位的总线、字长对齐方便。 | ||
| + | * **IBM System/ | ||
| + | |||
| + | ===== 2. 一个字节能表示什么 ===== | ||
| + | |||
| + | ^ 解释方式 ^ 取值范围 ^ 说明 ^ | ||
| + | | 无符号整数 | 0 ~ 255 | 共 2⁸ = 256 种 | | ||
| + | | 有符号整数(补码) | -128 ~ 127 | 最高位当符号位 | | ||
| + | | 十六进制 | '' | ||
| + | | ASCII 字符 | 0 ~ 127 | 例如 '' | ||
| + | | 位掩码 / 标志位 | 8 个独立开关 | '' | ||
| + | |||
| + | < | ||
| + | 0x00 = | ||
| + | 0x7F = 127 ASCII 上限 | ||
| + | 0x80 = 128 | ||
| + | 0xFF = 255 | ||
| + | </ | ||
| + | |||
| + | 顺便解释一句常被绕晕的话:**“一个字节存不下 256”**——因为取值从 0 开始数,255 已经是第 256 个数。要表示 256,必须再借一个字节。 | ||
| + | |||
| + | ===== 3. 容量单位:KB 到底是 1000 还是 1024 ===== | ||
| + | |||
| + | ^ 单位 ^ 二进制口径(1024) ^ 十进制口径(1000) ^ | ||
| + | | 1 KB / KiB | 1024 B | 1000 B | | ||
| + | | 1 MB / MiB | 1024² = 1 048 576 B | 10⁶ B | | ||
| + | | 1 GB / GiB | 1024³ ≈ 1.07 × 10⁹ B | 10⁹ B | | ||
| + | | 1 TB / TiB | 1024⁴ ≈ 1.1 × 10¹² B | 10¹² B | | ||
| + | |||
| + | * **KiB / MiB / GiB** 是 IEC 的二进制词头,严格按 1024 计算;**KB / MB / GB** 按 SI 定义是 1000。 | ||
| + | * 现实中两套常被混用:硬盘、网络对外宣传按 1000,操作系统显示内存按 1024 算,于是出现“买 500 GB 硬盘只显示 465 GB”。**这不是缩水,是口径不同。** | ||
| + | * 网络带宽说的 '' | ||
| + | |||
| + | ===== 4. 四个容易混的邻近概念 ===== | ||
| + | |||
| + | ^ 概念 ^ 含义 ^ 与字节的关系 ^ | ||
| + | | **bit(位)** | 最小信息单位,取 0 / 1 | 8 bit = 1 byte | | ||
| + | | **byte(字节)** | 8 bit,最小可寻址单元 | 文件大小、内存、缓冲区都用它 | | ||
| + | | **octet(八位组)** | 恰好 8 bit | 数值上等同字节,术语更严谨 | | ||
| + | | **character(字符)** | 一个文字符号 | 与字节没有固定对应,看编码 | | ||
| + | | **word(字)** | CPU 一次处理的位数 | 32 位机 = 4 字节,64 位机 = 8 字节 | | ||
| + | |||
| + | 字符是最容易吃亏的一个: | ||
| + | |||
| + | < | ||
| + | ASCII :1 个字符 = 1 字节 | ||
| + | UTF-8 :1 个汉字通常 = 3 字节;emoji 常见 4 字节 | ||
| + | UTF-16:1 个汉字通常 = 2 字节(BMP 范围内) | ||
| + | GBK :1 个汉字 = 2 字节 | ||
| + | </ | ||
| + | |||
| + | 所以“100 个字符”和“100 字节”只有在纯 ASCII 下才是一回事。**字符数和字节数是两把尺子**:碰到限长、截断、数据库字段长度时,先问清楚用的是哪一把。 | ||
| + | |||
| + | ===== 5. 编程里的字节 ===== | ||
| + | |||
| + | * C / C++ 中 '' | ||
| + | * '' | ||
| + | * Java / C# 的 '' | ||
| + | * Python 没有固定的 '' | ||
| + | |||
| + | <code python> | ||
| + | s = " | ||
| + | len(s) | ||
| + | len(s.encode(" | ||
| + | s.encode(" | ||
| + | s.encode(" | ||
| + | </ | ||
| + | |||
| + | <code c> | ||
| + | sizeof(char) | ||
| + | sizeof(int) | ||
| + | strlen(" | ||
| + | </ | ||
| + | |||
| + | <code bash> | ||
| + | wc -c file # 字节数 | ||
| + | wc -m file # 字符数(受 locale 影响) | ||
| + | ls -l # 显示的文件大小单位就是字节 | ||
| + | </ | ||
| + | |||
| + | 长度语义要看文档:'' | ||
| + | |||
| + | ===== 6. 常见坑 ===== | ||
| + | |||
| + | - **bit 和 byte 混着说**。带宽 100 M**b**ps 是比特,硬盘 100 M**B** 是字节,差 8 倍。 | ||
| + | - **'' | ||
| + | - **把字符数当字节数**。按字节截断字符串,很容易切出半个 UTF-8 汉字,显示成乱码。 | ||
| + | - **KB 与 KiB 混用**。抱怨“容量少了”之前,先确认双方的口径。 | ||
| + | - **'' | ||
| + | - **有符号范围笔误**。8 位有符号是 -128 ~ 127,不是 -127 ~ 128。 | ||
| + | - **字节序(大端 / 小端)**。'' | ||
| + | - **对齐与填充**。结构体为对齐会插入填充字节,'' | ||
| + | |||
| + | ===== 7. 30 秒自测 ===== | ||
| + | |||
| + | - 1 字节等于几位?→ **8 位** | ||
| + | - 一个字节无符号能表示多少个数?→ **256 个(0 ~ 255)** | ||
| + | - 8 位有符号的范围?→ **-128 ~ 127** | ||
| + | - UTF-8 里一个汉字通常占几字节?→ **3 字节** | ||
| + | - 100 Mbps 约等于多少 MB/s?→ **12.5 MB/ | ||
| + | - '' | ||
| + | |||
| + | ===== 8. 一句话记住 ===== | ||
| + | |||
| + | > **字节 = 8 个二进制位的固定打包,是计算机“可寻址的最小格子”,也是人类给数据量定尺寸的通用尺子。记住 0x00–0xFF 就是 0–255,并永远分清 bit 与 byte、字符数与字节数。** | ||
| + | |||
| + | 相关:[[代码术语: | ||
| + | |||
| + | |||
| + | ```mdk height=520 color=# | ||
| + | # 字节(Byte) | ||
| + | |||
| + | ## 是什么 | ||
| + | ### 8 个二进制位(bit)的打包 | ||
| + | ### 可独立寻址的最小存储单元 | ||
| + | ### 符号 B,也叫 octet(八位组) | ||
| + | ### 早期长度不统一,8 位成标准 | ||
| + | ### 8 位胜出:够装 ASCII、两位 hex 可写 | ||
| + | |||
| + | ## 一个字节能表示 | ||
| + | ### 无符号 0 ~ 255(256 种) | ||
| + | ### 有符号 -128 ~ 127 | ||
| + | ### 十六进制 0x00 ~ 0xFF | ||
| + | ### 1 个 ASCII 字符 | ||
| + | ### 8 个标志位 / 位掩码 | ||
| + | |||
| + | ## 容量单位 | ||
| + | ### 1 KB = 1024 B(KiB 口径) | ||
| + | ### 1 MB = 1024 KB | ||
| + | ### 1 GB = 1024 MB | ||
| + | ### KB / KiB 差在 1000 与 1024 | ||
| + | ### 带宽是 bit:Mbps ÷ 8 = MB/s | ||
| + | |||
| + | ## 邻近概念 | ||
| + | ### bit:最小单位,0 / 1 | ||
| + | ### byte:8 bit,可寻址单元 | ||
| + | ### octet:恰好 8 bit,网络术语 | ||
| + | ### character:字符数 ≠ 字节数 | ||
| + | ### word:字长,32 位 = 4 字节 | ||
| + | |||
| + | ## 编码与字符 | ||
| + | ### ASCII 1 字符 = 1 字节 | ||
| + | ### UTF-8 汉字通常 3 字节 | ||
| + | ### UTF-16 汉字通常 2 字节 | ||
| + | ### GBK 汉字 2 字节 | ||
| + | ### strlen / length() / len 语义不同 | ||
| + | |||
| + | ## 编程中 | ||
| + | ### C:sizeof(char) == 1 | ||
| + | ### Java byte 有符号,& | ||
| + | ### Python bytes / bytearray / encode | ||
| + | ### 文件大小、缓冲区长度都按字节 | ||
| + | |||
| + | ## 常见坑 | ||
| + | ### bit 与 byte 混用,差 8 倍 | ||
| + | ### 0xFF 是 255 还是 -1 | ||
| + | ### 按字节截断切坏 UTF-8 | ||
| + | ### KB / KiB 口径不同 | ||
| + | ### MB 与 Mb 大小写 | ||
| + | ### 有符号范围 -128 ~ 127 | ||
| + | ### 大端 / 小端 | ||
| + | ### 结构体对齐填充 | ||
| + | |||
| + | ## 一句话 | ||
| + | ### 8 位一个格子 | ||
| + | ### 0x00 - 0xFF 就是 0 - 255 | ||
| + | ### 分清 bit、字符数与字节数 | ||
| + | ``` | ||
| + | |||
| + | ---- | ||
| + | |||
| + | 返回:[[代码术语]] | ||