目录

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 hex)。

1. 定义与由来

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

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

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

7. 30 秒自测

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: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