查缺补漏——二进制编码 & 整数表示范围 & 机器相关性

1. 原码、反码和补码

• 原码，即二进制定点表示法：最高位为符号位，其余位表示数值的大小。

• 反码，为了解决减法运算错误而设计：正数的反码与其原码相同，负数的反码是对其原码数值部分逐位取反。

• 补码，为了解决正负零问题而设计：正数的补码与其原码相同，负数的补码是其反码加一。

1.1 减法运算错误

原码无法正确进行减法运算，而反码和补码可以，这里以 1 + (-1) = 0 为例说明。

使用原码运算：0000 0001 + 1000 0001 = 1000 0010 = -2

使用反码运算：0000 0001 + 1111 1110 = 1111 1111 = 0

1.2 正负零问题

原码和反码都存在零的两种表示，即正零和负零；补码只存在一种，即 0000 0000。

	原码	反码	补码
正零	0000 0000	0000 0000	0000 0000
负零	1000 0000	1111 1111	0000 0000

1.3 计算机内部运算形式

计算机内部以补码的形式进行运算，原因有三：

1. 能做到符号位和数值部分一起运算，无需单独考虑符号。

2. 能把减法运算转化为加法运算，一并处理。

3. 补码没有正零和负零之分，表示范围比原码/反码多一。

2. 整数表示范围

$n$ bits 有符号整数的表示范围 $[-2^{n-1},2^{n-1}-1]$，无符号整数的表示范围 $[0,2^n-1]$，这里以8位整数为例说明。

• 正数在计算机中表示为原码，或者说正数的原/反/补码均相同。最大正数为 0111 1111，即 $2^{8-1}-1=127$。

• 负数在计算机中表示为补码。-1 的补码为 1111 1111，-127 的原码为 1111 1111，补码为 1000 0001。

由于补码中正零和负零均编码为 0000 0000，补码能够表示的整数应该比原码/反码多一个。经过排列组合，发现补码 1000 0001 ~ 1111 1111 对应负整数 -127 ~ -1，0000 0000 ~ 0111 1111 对应非负整数 0 ~ 127，补码 1000 0000 表示的整数似乎成谜。

解释一： 补码 1000 0000 表示的整数是 -128。这不是强行规定的，其原因与高位截断有关。-128 的原码 1 1000 0000，计算其补码 1 1000 0000 -> 1 0111 1111 -> 1 1000 0000，高位截断后恰好是 1000 0000。因此，-128 的补码就是 1000 0000。

解释二： 考虑到在有限存储空间内，负零与 -128 的原码相同，可以勉强理解为在负零的位置表示 -128。

错误理解： 不能说 -128 没有原码和反码，只能说在有限存储空间内，-128 只能表示为补码，或者说 1000 0000 的原码和反码在有限存储空间内不存在。

3. 机器相关性

C/C++ 编程的陷阱之一是整数类型的表示范围与机器/编译器相关，突出表现在 int 整型的表示范围上。

和Java等语言不同，C/C++ 本身并没有规定各数据类型的位数，只是限定了一个大小关系，short <= int <= long <= long long。至于具体哪种类型占用多少位，由编译器决定的。

编译器位数	char	short int	int	long int	long long int
16 位编译器	1	2	2	4	8
32 位编译器	1	2	4	4	8
64 位编译器	1	2	4	8	8

K&R C 标准规定长整型不得比短整型短，仅此而已。

ANSI C90 标准规定了数据类型间的大小关系，即 short <= int <= long <= long long。同时，它还规定了各种整型最小允许范围，short/int >= 2 bits，long >= 4 bits。

ANSI C90 标准引入 long long int 类型。

	byte	char	short int	int	long int	long long int
32 位 C/C++		1	2	4	4	8
Java	1	2	2	4	8