====== 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(''0x00'' ~ ''0xFF'',详见 [[代码术语:hex|hex]])。
===== 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/360** 采用 8 位字节后,它逐渐成为事实标准。术语 **octet**(八位组)专指“恰好 8 位”,在网络协议、邮件标准里比 byte 更严谨——因为 byte 在历史上长度并不确定。
===== 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 | ''0x00'' ~ ''0xFF'' | 一位 hex = 4 bit,两位 = 1 字节 |
| ASCII 字符 | 0 ~ 127 | 例如 ''A'' = 65 = ''0x41'' |
| 位掩码 / 标志位 | 8 个独立开关 | ''0x01'' / ''0x02'' / ''0x04'' / ''0x08'' 依次排列 |
0x00 = 0 全 0
0x7F = 127 ASCII 上限
0x80 = 128 有符号时是 -128
0xFF = 255 无符号上限;有符号读作 -1
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 ''Mbps''(兆比特每秒)是 **bit 不是 byte**,换算成下载速度要除以 8:''100 Mbps ≈ 12.5 MB/s''。
===== 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 ''sizeof(char) == 1'',即“1 个字节”是语言自己定义的基本计量单位;标准保证字符类型至少 8 位(''CHAR_BIT''),主流平台就是 8。
* ''sizeof(int)'' 通常是 4 字节,但标准没有硬性规定,跨平台代码不要写死。
* Java / C# 的 ''byte'' 就是 8 位,但 **Java 的 ''byte'' 有符号(-128 ~ 127)**,想得到 0 ~ 255 要先与 ''0xFF'' 做位与。
* Python 没有固定的 ''byte'' 类型:''bytes'' 是不可变字节序列,''bytearray'' 可变,''b"abc"'' 里每个元素都是 0 ~ 255 的整数。
s = "中"
len(s) # 1 字符数
len(s.encode("utf-8")) # 3 字节数
s.encode("utf-8") # b'\xe4\xb8\xad'
s.encode("utf-8").hex() # 'e4b8ad'
sizeof(char) // 1
sizeof(int) // 通常 4
strlen("中") // 3(源文件为 UTF-8 时)
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:''strlen'' 数字节(不含结尾的 ''\0''),Java 的 ''length()'' 数 UTF-16 码元,Python 的 ''len(s)'' 数字符。同一个字符串,三个 API 可能给出三个不同的数。
===== 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。
- **''0xFF'' 是 255 还是 -1**。取决于变量类型:无符号读 255,有符号 8 位读 -1。
- **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。
- **''b'' 与 ''B'' 大小写**。''MB''(兆字节)与 ''Mb''(兆比特)经常被写乱。
- **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)**。''0x0102'' 在不同机器上可能存成 ''01 02'' 或 ''02 01'',跨机传二进制要约定好。
- **对齐与填充**。结构体为对齐会插入填充字节,''sizeof'' 一个结构体往往大于各字段字节数之和。
===== 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/s**(除以 8)
- ''sizeof(char)'' 等于多少字节?→ **1**(语言定义的单位)
===== 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:hex|hex(十六进制)]] · [[代码术语:digest|digest(哈希摘要)]]
```mdk height=520 color=#2563eb
# 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,& 0xFF 取无符号
### 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]]