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
- 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 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。
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: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