读书笔记：Java 编程的逻辑（二）

最新推荐文章于 2024-07-16 16:36:17 发布
fangzhan666
最新推荐文章于 2024-07-16 16:36:17 发布
阅读量69
点赞数
分类专栏： Java 基础文章标签： java 算法
本文链接：https://blog.csdn.net/fangzhan666/article/details/120436591
版权
Java 基础专栏收录该内容
38 篇文章 1 订阅
订阅专栏
                    
                        
                    
                    编程基础与二进制 
第2章 理解数据背后的二进制 
2.1 整数的二进制表示与位运算 
2.1.1 正整数的二进制表示 
正整数的二进制中，每个位置只能是 0 或 1。位权从右到左，第一位为 1，然后依次乘以 2，即第二位为 2，第三位为 4，以此类推。
 
2.1.2 负整数的二进制表示 
二进制使用最高位表示符号位，用 1 表示负数，用 0 表示正数。 
  整数有 4 种类型 byte、short、int、long，分别占 1、2、4、8 个字节，即分别占 8、16、32、64 位，每种类型的符号位都是其最左边的一位。
下面假定类型是 byte，即从右到左的第 8 位表示符号位。 
    负数表示不是简单地将最高位变为 1，而是采用补码表示法，即在原码表示的基础上取反然后加 1，取反就是将 0 变为 1,1 变为 0。
负数的二进制表示就是对应的正数的补码表示。
 
 
给定一个负数的二进制表示，要想知道它的十进制值，可以采用相同的补码运算。 
  比如：10010010，首先取反，变为 01101101，然后加 1，结果为 01101110，它的十进制值为 110，所以原值就是 -110。
直觉上，应该是先减 1，然后再取反，但计算机只能做加法，而补码的一个良好特性就是，对负数的补码表示做补码运算就可以得到其对应正数的原码，正如十进制运算中负负得正一样。
对于 byte 类型，正数最大表示是 01111111，即 127，负数最小表示（绝对值最大）是 10000000，即 -128，表示范围就是 -128～127。其他类型的整数也类似，负数能多表示一个数。
负整数为什么要采用这种奇怪的表示形式呢？原因是，只有这种形式，计算机才能实现正确的加减法。
 
理解了二进制加减法，我们就能理解为什么正数的运算结果可能出现负数了。当计算结果超出表示范围的时候，最高位往往是1，然后就会被看作负数。
 
2.1.3 十六进制 
二进制写起来太长，为了简化写法，可以将 4 个二进制位简化为一个 0～15 的数，10～15 用字符 A～F 表示，这种表示方法称为十六进制。
可以用十六进制直接写常量数字，在数字前面加 0x 即可。
在 Java 中，可以方便地使用 Integer 和 Long 的方法查看整数的二进制和十六进制表示：int a = 24;
// 二进制，结果为 11000
System.out.println(Integer.toBinaryString(a)); 
// 十六进制，结果为 18
System.out.println(Integer.toHexString(a));
// 二进制，结果为 11000
System.out.println(Long.toBinaryString(a));
// 十六进制，结果为 18
System.out.println(Long.toHexString(a));
 
 
2.1.4 位运算 
理解了二进制表示，我们来看二进制级别的操作：位运算。
位运算有移位运算和逻辑运算。 
  移位有以下几种。 
    1）左移：操作符为 <<，向左移动，右边的低位补 0，高位的就舍弃掉了，将二进制看作整数，左移 1 位就相当于乘以 2。
2）无符号右移：操作符为 >>>，向右移动，右边的舍弃掉，左边补 0。
3）有符号右移：操作符为 >>，向右移动，右边的舍弃掉，左边补什么取决于原来最高位是什么，原来是 1 就补 1，原来是 0 就补 0，将二进制看作整数，右移 1 位相当于除以 2。
 
逻辑运算有以下几种。 
    按位与 &：两位都为 1 才为 1。
按位或 |：只要有一位为 1，就为 1。
按位取反 ~：1 变为 0, 0 变为 1。
按位异或 ^：相异为真，相同为假。
 
 
 
2.2 小数的二进制表示 
实际上，即使在一些非常基本的小数运算中，计算的结果也是不精确的。
 
2.2.1 小数计算为什么会出错 
实际上，不是运算本身会出错，而是计算机根本就不能精确地表示很多数。计算机是用一种二进制格式存储小数的，只能精确表示那些可以表述为 2 的多少次方和的数。
为什么计算机中不能用我们熟悉的十进制呢？在最底层，计算机使用的电子元器件只能表示两个状态，通常是低压和高压，对应 0 和 1，使用二进制容易基于这些电子元器件构建硬件设备和进行运算。如果非要使用十进制，则这些硬件就会复杂很多，并且效率低下。
 
2.2.2 二进制表示 
float 和 double 被称为浮点数据类型，小数运算被称为浮点运算。
为什么要叫浮点数呢？这是由于小数的二进制表示中，表示那个小数点的时候，点不是固定的，而是浮动的。
二进制中为表示小数，也采用科学表示法，形如 m× (2^e)。 
  m 称为尾数，e 称为指数。
指数可以为正，也可以为负，负的指数表示那些接近 0 的比较小的数。
在二进制中，单独表示尾数部分和指数部分，另外还有一个符号位表示正负。
 
几乎所有的硬件和编程语言表示小数的二进制格式都是一样的。 
  这种格式是一个标准，叫做 IEEE 754 标准，它定义了两种格式：一种是 32 位的，对应于 Java 的 float；另一种是 64 位的，对应于 Java 的 double。
32 位格式中，1 位表示符号，23 位表示尾数，8 位表示指数。
64 位格式中，1 位表示符号，52 位表示尾数，11 位表示指数。
在两种格式中，除了表示正常的数，标准还规定了一些特殊的二进制形式表示一些特殊的值，比如负无穷、正无穷、0、NaN（非数值，比如0乘以无穷大）。
 
 
2.3 字符的编码与乱码 
编码有两大类：一类是非 Unicode 编码；另一类是 Unicode 编码。
 
2.3.1 常见非 Unicode 编码 
ASCII 
  美国大概只需要 128 个字符，所以就规定了 128 个字符的二进制表示方法。这个方法是一个标准，称为 ASCII 编码，全称是 American Standard Codefor InformationInterchange，即美国信息互换标准代码。
128 个字符用 7 位刚好可以表示，计算机存储的最小单位是 byte，即 8 位，ASCII 码中最高位设置为 0，用剩下的 7 位表示字符。
这 7 位可以看作数字 0～127, ASCII 码规定了从 0～127 的每个数字代表什么含义。
 
ASCII 码是基础，使用一个字节表示，最高位设为 0，其他 7 位表示 128 个字符。 
  其他编码都是兼容 ASCII 的，最高位使用 1 来进行区分。
西欧主要使用 Windows-1252，使用一个字节，增加了额外 128 个字符。
我国内地的三个主要编码 GB2312、GBK、GB18030 有时间先后关系，表示的字符数越来越多，且后面的兼容前面的，GB2312 和 GBK 都是用两个字节表示，而 GB18030 则使用两个或四个字节表示。
我国香港特别行政区和我国台湾地区的主要编码是 Big5。
如果文本里的字符都是 ASCII 码字符，那么采用以上所说的任一编码方式都是一样的。但如果有高位为 1 的字符，除了 GB2312、GBK、GB18030 外，其他编码都是不兼容的。
 
 
2.3.2 Unicode 编码 
Unicode 做了一件事，就是给世界上所有字符都分配了一个唯一的数字编号，这个编号范围从 0x000000～0x10FFFF，包括 110 多万。但大部分常用字符都在 0x0000～0xFFFF 之间，即 65536 个数字之内。每个字符都有一个 Unicode 编号，这个编号一般写成十六进制，在前面加 U+。
简单理解，Unicode 主要做了这么一件事，就是给所有字符分配了唯一数字编号。它并没有规定这个编号怎么对应到二进制表示，那编号怎么对应到二进制表示呢？有多种方案，主要有 UTF-32、UTF-16 和 UTF-8。 
  UTF-32 
    字符编号的整数二进制形式，4 个字节。
但有个细节，就是字节的排列顺序，如果第一个字节是整数二进制中的最高位，最后一个字节是整数二进制中的最低位，那这种字节序就叫“大端”（Big Endian,BE），否则，就叫“小端”（Little Endian, LE）。
每个字符都用 4 个字节表示，非常浪费空间，实际采用的也比较少。
 
UTF-16 
    UTF-16 使用变长字节表示。
对于编号在 U+0000～U+FFFF 的字符（常用字符集），直接用两个字节表示。
字符值在 U+10000～U+10FFFF 的字符（也叫做增补字符集），需要用 4 个字节表示。前两个字节叫高代理项，范围是 U+D800～U+DBFF；后两个字节叫低代理项，范围是 U+DC00～U+DFFF。
数字编号和这个二进制表示之间有一个转换算法。
区分是两个字节还是 4 个字节表示一个字符就看前两个字节的编号范围，如果是 U+D800～U+DBFF，就是 4 个字节，否则就是两个字节。
UTF-16 也有和 UTF-32 一样的字节序问题，如果高位存放在前面就叫大端（BE），编码就叫 UTF-16BE，否则就叫小端，编码就叫 UTF-16LE。
UTF-16 常用于系统内部编码，UTF-16 比 UTF-32 节省了很多空间，但是任何一个字符都至少需要两个字节表示，对于美国和西欧国家而言，还是很浪费的。
 
UTF-8 
    UTF-8 使用变长字节表示，每个字符使用的字节个数与其 Unicode 编号的大小有关，编号小的使用的字节就少，编号大的使用的字节就多，使用的字节个数为 1～4 不等。
小于 128 的，编码与 ASCII 码一样，最高位为 0。其他编号的第一个字节有特殊含义，最高位有几个连续的 1 就表示用几个字节表示，而其他字节都以 10 开头。
对于一个 Unicode 编号，具体怎么编码呢？首先将其看作整数，转化为二进制形式（去掉高位的 0），然后将二进制位从右向左依次填入对应的二进制格式x中，填完后，如果对应的二进制格式还有没填的 x，则设为 0。
和 UTF-32/UTF-16 不同，UTF-8 是兼容 ASCII 的，对大部分中文而言，一个中文字符需要用三个字节表示。
 
 
 
2.3.3 编码转换 
有了 Unicode 之后，每一个字符就有了多种不兼容的编码方式。这几种格式之间可以借助 Unicode 编号进行编码转换。可以认为：每种编码都有一个映射表，存储其特有的字符编码和 Unicode 编号之间的对应关系，这个映射表是一个简化的说法，实际上可能是一个映射或转换方法。
编码转换的具体过程可以是：一个字符从 A 编码转到 B 编码，先找到字符的 A 编码格式，通过 A 的映射表找到其 Unicode 编号，然后通过 Unicode 编号再查B的映射表，找到字符的B编码格式。
 
2.3.4 乱码的原因 
乱码有两种常见原因：一种比较简单，就是简单的解析错误；另外一种比较复杂，在错误解析的基础上进行了编码转换。
解析错误 
  切换查看编码的方式并没有改变数据的二进制本身，而只是改变了解析数据的方式，从而改变了数据看起来的样子，这与前面提到的编码转换正好相反。
很多时候，做这样一个编码查看方式的切换就可以解决乱码的问题，但有的时候这样是不够的。
 
错误的解析和编码转换 
  如果怎么改变查看方式都不对，那很有可能就不仅仅是解析二进制的方式不对，而是文本在错误解析的基础上还进行了编码转换。
这种情况其实很常见，计算机程序为了便于统一处理，经常会将所有编码转换为一种方式，比如 UTF-8，在转换的时候，需要知道原来的编码是什么，但可能会搞错，而一旦搞错并进行了转换，就会出现这种乱码。这种情况下，无论怎么切换查看编码方式都是不行的。
 
 
2.3.5 从乱码中恢复 
“乱”主要是因为发生了一次错误的编码转换，所谓恢复，是指要恢复两个关键信息：一个是原来的二进制编码方式 A；另一个是错误解读的编码方式 B。
恢复的基本思路是尝试进行逆向操作，假定按一种编码转换方式 B 获取乱码的二进制格式，然后再假定一种编码解读方式 A 解读这个二进制，查看其看上去的形式，这要尝试多种编码，如果能找到看着正常的字符形式，应该就可以恢复。
Java 中处理字符串的类有 String，String 中有我们需要的两个重要方法。 
  1）public byte[] getBytes(String charsetName)，这个方法可以获取一个字符串的给定编码格式的二进制形式。
2）public String(byte bytes[], String charsetName)，这个构造方法以给定的二进制数组 bytes 按照编码格式 charsetName 解读为一个字符串。
 
 
2.4 char 的真正含义 
char 本质上是一个固定占用两个字节的无符号正整数，这个正整数对应于 Unicode 编号，用于表示那个 Unicode 编号对应的字符。由于固定占用两个字节，char 只能表示 Unicode 编号在 65536 以内的字符，而不能表示超出范围的字符。那超出范围的字符怎么表示呢？使用两个 char。
由于 char 本质上是一个整数，所以可以进行整数能做的一些运算，在进行运算时会被看作 int，但由于 char 占两个字节，运算结果不能直接赋值给 char 类型，需要进行强制类型转换，这和 byte、short 参与整数运算是类似的。char 类型的比较就是其 Unicode 编号的比较。
char 的加减运算就是按其 Unicode 编号进行运算，一般对字符做加减运算没什么意义，但 ASCII 码字符是有意义的。比如大小写转换，大写 A～Z 的编号是 65～90，小写 a～z 的编号是 97～122，正好相差 32，所以大写转小写只需加 32，而小写转大写只需减 32。加减运算的另一个应用是加密和解密，将字符进行某种可逆的数学运算可以做加解密。
char 的位运算可以看作是对应整数的位运算，只是它是无符号数，也就是说，有符号右移 >>和无符号右移 >>> 的结果是一样的。

                