代码术语:字节

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)。

  • 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。
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
  • 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。
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。

  • 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。

  • bit 和 byte 混着说。带宽 100 Mbps 是比特,硬盘 100 MB 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。
  • 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)
**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)


返回:代码术语

# 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

该主题尚不存在

您访问的页面并不存在。如果允许,您可以使用创建该页面按钮来创建它。

  • 代码术语/字节.1791986585.txt.gz
  • 最后更改: 2026/10/14 22:03
  • 由 张叶安