信息编码 — 进大厂必备底层能力之一（文末有彩蛋）

3月18日 20:00 由C站白月光，20年码龄的技术VC大咖为大家带来 信息编码 — 进大厂必备底层能力之一，以下为直播文字实录：

今晚主题是一个偏底层的话题：【计算机信息编码】。

为什么选择这个话题呢？一是这个话题虽然底层，但是却是整个软件行业的基础，所以比较适合作为开场话题，另外，我们也顺便追一下热点。这一年多以来，由于疫情的关系，很多人被隔离出不了门，产生大量直播、会议类需求Zoom火了，钉钉火了，前一阵一款叫做Clubhouse的应用爆红网络。想要独立开发这类应用，我们必须掌握信息编码的原理，了解各种媒体数据是如何保存的，熟悉各类信息编码协议。

二进制介绍

计算机本科教育中有一门课叫做计算机科学原理。

很多人都是在这门课中第一次接触到二进制，为什么优先学习二进制，原因也很简单，因为我们现在用到的计算机都是冯·诺依曼机，计算机做的所有工作都是对二进制数据的处理（电子计算机不都是采用二进制的吗？其实并不是这样，世界上第一台计算机埃尼阿克是采用十进制来处理数据的）。

计算机中最常见的就是字符型文件，在Windows中叫做文本文档，扩展名TXT，我们可以用记事本或者其他文本编辑器来创建和修改，初学计算机的同学也会把计算机的文件分类，判断哪些是文本文件，哪些不是。但严格意义上来讲，这种分类是不对的，因为文本文件本质上也是二进制的。

之所以大家会这么分类，完全是因为有一个叫做“C”的编程语言，在“C语言”的文件处理函数中，文件的打开方式定义了字符型文件和二进制文件，这种定义只是为了方便程序员能快速高效的处理数据内容，因而产生了一个巨大的误会。

让咱们的美女助手团子来给大家演示一下，从文本到多媒体数据，以及各种数据编码的细节，她会用到一个工具：【二进制编辑器】，如果是Linux或者Mac用户，可以直接用vim的二进制编辑模式完成实验。

我说文本文件本质上也是二进制的，不信你们看直播，我让团子给大家演示一下，用二进制编辑器来编写一个文本。用二进制编辑器输入一段二进制，让编辑器转换成Hello World！再用记事本来打开，看看是不是文本，相信参加沙龙的人里面，除了部分公司的HR以外大部分都是工程师或者准工程师。我们都清楚计算机里面的文档是怎么保存的，本质上计算机里的任何文件都是二进制的，而二进制编码的文件中最简单也是最容易理解的就是ASCII码。

二进制与字符编码

ASCII码用8位二进制来表示一个字符，0100 0001表示 A，8位正好一个字节，从二进制来看，这一切都很顺理成章，因为只有8位，最多有2的8次方总排列方法，每一个字符都对应一个8位二进制的值。   

区分ASCII码大小写的关键是看二进制的左数第三位是否是1，尽管各种编码协议、规范确实是由人创造的，但也不是毫无规律可循。你说65就是A，很可能马上就会有人问，为什么A是65，你似乎根本就找不到一个令人信服的理由，大部分的老师就只能告诉学生，这就是规定，是发明ASCII的人规定的。

英文字符编码固然简单，26个字母加标点符号也不超过一百个，一个字节，一套编码，很容易普及开。世界上的语言有很多种，拉丁语系符号数量总体而言不算多，方块字、象形文字这种就比较麻烦了，文字符号数量太多，我们就无法只用一个字节去编码多国语言文字信息了。世界上的文字到底有多少种，每种文字又有多少种符号，这实在不好统计（还有不断被发掘和破解的古文字）

用1个字节只能编码2的8次方，256种符号，2个字节就是2的16次方 65536种符号，全世界的文字都保存下来2个字节明显不够，而且设计一套编码就囊括所有文字，这对编码设计者的学识要求也太高了点。

通常不同语言的编码都由不同的的本地团队完成，所以英文全球都使用ASCII，但是其他文字，比如中文，就远远不止一套编码了，GBK、GB2312等等。

选择4个字节，我们能同时编码2的32次方种符号，尽可能支持更多的文字，但是这样带来一个问题，就是保存一篇文章，一本书籍，会消耗更多的存储空间，如果只用1字节 2字节 则能编码的文字数量就会少很多

聪明的工程师自然有自己的解决方案，我们现在最常见的utf8编码就是这种指导思想下诞生的产物。让团子来给大家演示一下，用二进制编辑器来录入一段utf8文字。通过录入二进制数据，咱们可以看到工程师的世界是很奇妙的，Doc、PPT、JPG等等这类文档是通用数据格式文件，很多软件都能兼容并且读取文件内容，我们也能在网上查到数据格式协议的详细说明。

修改游戏存档

因为游戏数据存档这类数据文件属于私有文件，而游戏开发商并不希望用户去动自己的存档，所以一般都会把存档文件藏得很深。

在CSDN能力认证的C1训练任务中有一个信息编码的学习任务，要求玩一款单机游戏的过程中修改游戏存档，跳过关卡，并且给自己充值。我们也现场让团子给大家演示一下。

事例：团子直接跳到4-1关，给自己充值10000，大家在看直播的话，也可以看到，修改这种文件也要格外小心，没有办法查询到数据格式说明，我们只能靠猜。而黑客们通常都很擅长去做这样的事情。

普通新手小白尝试的时候要记得备份好存档文件，游戏修改完，大家看到，数据编码无论是由程序来完成还是由人手工来完成，最终表现出来的结果都是一样的，所谓软件开发，其实也无非是通过程序设计来完成数据处理工作。

媒体数据编码

回到今天直播的主题，现在的直播系统，会议系统，还有优酷土豆爱奇艺，clubhouse，他们的数据是如何编码的呢？

我们先让团子给大家演示一下多媒体数据的编码过程，大家就能很好的理解了。

一般桌面大小用像素来表示，例如1920x1080就是分辨率的大小，这是高清视频，8位二进制，只能表示2的8次方，也就是256种颜色，显然是无法展现出高清分辨率来的，所以如果要表示高清图片，需要用三个字节，也就是24位来表示一个点位，这样可以达到2的24次方种颜色，那么屏幕就非常丰富多彩，三个字节，其实也就是三原色，红绿蓝。

现在让团子现场给大家展示一下用二进制数据来画一个16x16点位的bmp图像，图片的元信息，也就是头信息，都是通过二进制来表示的，例如大小、宽高、色彩都可以，例如ff表示白色，00表示黑色。

信息编码如此重要，其实所有的软件开发，都是通过编程语言来操作二进制数据，程序媛画图都不一样，bmp的好处是通用格式，而且是高保真，但缺点是尺寸太大，再次打开图片看到有很多的ff，其实大部分都是多余的，这会给存储空间造成极大浪费，除了bmp以外，还有png、gif等其他图片格式，他们用的都是索引法，用数字来表示不同的颜色，在图片文件的二进制中，用索引值来保存不同的颜色值，这样就可以大幅减小图片大小，这就是png格式。

如果只是本地存储，png没有太大意义，但是如果用于网络传输，那么这就可以极大地节约带宽，jpg也是用的类似方法，除了图片，还有音频视频，音频常用的是傅立叶变换。

多媒体数据的视频编码中，多张图片整合到一起，涉及到H264和H265等格式！

 

 

Mp4严格意义上来说，只是一种封装格式，MP4格式标准为ISO-14496Part12、ISO-14496Part14，MP4文件由许多个Box与FullBox组成，每个Box由Header和Data两部分组成，FullBox是Box的扩展，其在Box结构的基础上，在Header中增加8位version标志和24位的flags标志，Data为Box的实际数据，可以是纯数据，也可以是更多的子Box，当一个Box中Data是一系列的子Box时，这个Box又可以称为Container（容器）Box。

Mp4就是一艘大船，集装箱就是一个个的编码，有的编码表示音频，有的表示视频，有的表示文字，一个mp4文件在一个播放器上可能打开，而在另外一个播放器上可能就打不开了，就是因为mp4的封装属性，有的部分读取不出来，那就会打开失败，类似之前的二进制编辑器，也有很多音视频文件编辑器。

以上是今天数据编码文字实录，现在到了彩蛋时间：为了大家更好的学习，我们特为大家带来基础技术文章，进制转化和数据编码50篇，欢迎大家一键收藏。