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 hex)。
| 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。
| 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 |
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。| 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。
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。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。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。
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。b 与 B 大小写。MB(兆字节)与 Mb(兆比特)经常被写乱。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。sizeof 一个结构体往往大于各字段字节数之和。sizeof(char) 等于多少字节?→ 1(语言定义的单位)**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:hex(十六进制) · digest(哈希摘要)
# 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