第二章：数据的机器级表示和处理(2)

四. 十进制数的表示

人们日常使用和熟悉的是十进制，当使用计算机来处理数据时，在计算机外部看到的数据也基本上是十进制形式。那么十进制数在计算机上有几种表示方式？

1. 二进制补码表示：这是一种最常见的表示形式，主要用于数值的计算。
2. ASCII 码字符对应的 0~9 数字，这种方式将数字和字符进行了连接。
3. 采用二进制编码的十进制数（BCD编码）：以最简单的方式转为 2 进制，让机器识别。

BCD 编码

BCD 编码是采用二进制编码的十进制数。这个概念一听就很绕，但其实理解起来很简单。

BCD 编码主要分为两大类：

1. 有权 BCD 编码：指十进制数的每位都由 4 个二进制位来表示，并且这 4 个二进制位的每位都有特定的权值。例如最常用的一种编码 8421 编码。

故 16 可表示为 0001 0110

2. 无权 BCD 编码：指表示十进制数每一位的4个二进制位没有特定的权，其与十进制能对应上是由人为规定的。例如四位典型格雷码：

五. 字符表示

1. 西文字符

西文由拉丁字母，数字，标识符以及一些特殊符号组成。字符不能直接在计算机内部进行处理，因而必须对其进行数字化编码。字符集有多种，每一个字符集的编码方式也多种多样，目前计算机中使用最广泛的西文字符集及其编码是 ASCII 码。

奇偶校验：

为了能检测和纠正内存软错误，我们需要一套方案来实现。

内存中最小的单位是比特，每 8 个比特作为一个字节。不带奇偶校验的内存中每个字节有 8 位。如果其某一位存储了错误的值，就会导致其存储的相应数据发生变化。而奇偶校验就是在每一字节（8位）之外又增加了一位作为错误校验位。

奇偶校验位是两种类型：

• 奇校验：指每个校验字节（9位）中 1 的个数必须奇数。如果前 8 位的个数已经是奇数，则校验位为 0，如果前 8 位的个数是偶数，则校验位为 1。
• 偶校验：指每个校验字节（9位）中 1 的个数必须偶数。如果前 8 位的个数已经是偶数，则校验位为 0，如果前 8 位的个数是奇数，则校验位为 1。

2. 汉字字符

计算机要对汉字信息进行处理，就必须就汉字本身进行编码，但汉字的总数超过 6 万,数量巨大。为了适应汉字系统各组成部分对汉字信息处理的不同需要，汉字系统必须处理一下集中汉字代码：输入码，内码，字模点阵码。

输入码

键盘是面向西文设计的，一个或两个西文字符对应一个按键。由于汉字字数多，无法使每个汉字与西文键盘上的一个键相对应，因此必须使每个汉字用一个或几个键来表示。这种对每个汉字用相应的按键进行的编码表示就称为汉字的“输入码”，又称“外码”。

内码

汉字被输入到计算机内部后，就按照一种称为“内码”的编码形式在系统中进行存储，查找，传送等处理。对于西文字符，他的内码就是 ASCII 码。

为了适应计算机处理汉字信息的需要，1981 年我国颁布了《信息交换用汉字编码字符集·基本集》（GB2312-80）。该标准选出 6737 个常用汉字，为每个汉字规定了标准代码，以供汉字信息在不同计算机系统之间交换使用。这个标准称为国标码，又称为国标交换码。

字模点阵码

经过计算机处理后的汉字，如果需要在屏幕上显示或打印机打印，则必须把汉字内码转换称人们可以阅读的方块形式。

每一个汉字的字形都必须预先存放在计算机内，一套汉字的所有字符的形状描述信息集合在一起称为字形信息库，不同的字体对应着不同的字库。在输出每一个汉字时，计算机都要先到字库中去找到它的字形描述信息，然后把字形信息送到相应的设备输出。

汉字的字形主要有两个描述方法：字模点阵描述和轮廓描述。

• 字模点阵描述是将字库中的各个汉字或其他字符的字形，有一个 其元素由“0”和“1”组成的方阵（如16x16）来表示，字符中有黑点的地方用“1”表示。
• 轮廓描述方法比较复杂，它把汉字画的轮廓用一组直线和曲线来勾画，记下每一直线和曲线的数学描述公式。

六. 数据的宽度和存储

1. 数据的宽度和单位

二进制数据的每一位是组成二进制信息的最小单位，称为比特（bit）。但二进制信息的计量单位是字节（byte），1byte = 8bit。

在考察计算机性能时，一个很重要的指标就是机器的字长。字长是指 CPU 内部用于整数运算的数据通路的宽度。CPU 内部数据通路是指 CPU 内部的数据流经的路径以及路径上的部件，主要时 CPU 内部进行运算的运算器尾数和通用寄存器宽度。

平时所说的“某种机器是 16 位机”，其中的 16 位就是指字长。

2. 数据的存储和排列顺序

任何信息在计算机中用二进制编码后，得到的都是一串 0/1 序列，每 8 位构成一个字节，不同的数据类型具有不同的字节宽度。一般用最低有效位和最高有效位来分别表示数的最低位和最高位。对于带符号数，最高位是符号位。

现代计算机基本上都采用字节编址方式，即对存储空间的存储单元进行编号时，每个地址编号中存放一个字节。计算机中许多类型数据由许多个字节组成。例如：int 和 float 型数据占用 4 字节，而程序中对每个数据只给定一个地址。例如，在一个按字节编制的计算机中，假定 int 型变量 i 的地址为 0800H，i 的机器数为 01234567H，这 4 个字节 01H，23H，45H，67H 应该各有一个存储地址，那么，地址 0800H 对应 4 个字节中的哪个字节？这就是字节排列顺序问题。

• 大端方式排列：将数据的最高有效字节存放在小地址单元中，将最低有效字节存放在大地址单元中。上述的变量 i 的 4 个字节的存储地址为： 0800H：01H，0801H：23H，0802H：45H，0803H：67H
• 小端方式排列：将数据的最高有效字节存放在大地址单元中，将最低有效字节存放在小地址单元中。上述的变量 i 的 4 个字节的存储地址为： 0800H：67H，0801H：45H，0802H：23H，0803H：01H

七. 数据的基本运算

1. 按位运算和逻辑运算

按位运算的一个重要运用就是实现 掩码 操作，通过与给定的一个位模式进行按位与，可以提取所需要的位，然后可以对这些位进行“置1”，“置0”，“是否为1测试”，“是否为0测试”等，这里的位模式被称为 掩码。例如表达式 0x0F & 0x8C 的运算结果为 0000 1100，即 0x0C。这里通过掩码 0x0F 提取了一个字节 0x8C 的底四位。

2. 移位

移位操作有 逻辑移位 和 算术移位 两种。

• 逻辑移位不考虑符号的问题，左移时高位移出，低位补0。右移时低位移出，高位补0。
• 算术移位考虑符号的问题，左移时高位移出，低位补0。右移时低位移除，高位补符号。

3. 位扩展和位截断

位扩展： 在进行数据类型转换时，如果一个短数向长数转换时，就要进行位扩展运算。进行位扩展后，数值应该保持不变。位扩展有两种方式：

• 0 扩展：0 扩展用于无符号数，只要在短的无符号数前面添加足够的 0 即可。
• 符号扩展：符号扩展用于补码表示的带符号整数，通过在短的带符号整数前面添加足够多的符号位来扩展。

位截断： 发生在长数转换位短数时，只要是截取长度的底 n 位。位截断可能会使数值发生变换。

4. 整数加减运算

在程序设计时通常把指针，地址等作为无符号整数，因而在进行指针或地址运算时需要进行无符号的加减运算。而其他情况下，通常都是带符号整数运算。无符号整数和带符号整数的加减运算电路完全一样。且由于有符号整数在机器中是用补码进行表示，故减法操作可以用加法来进行运算。

即：1 - 2 = 1 + (-2) = 0x0001 + 0xfffe = 0xffff = -1（假设数据都为 short 型）

在进行整数运算时，其通用寄存器中的标志寄存器也随之存放相应的信息。如：

• 零标志寄存器（ZF）：当结果为 0 时，为 1。
• 溢出标志寄存器（OF）：若发生溢出时，则为1。两个相同符号的数相加才会发生溢出。
• 符号标志寄存器（SF）：当结果为负数时，为 1。
• 进/借位标志寄存器（CF）：两个数的补码相加时，若结果超出数据可表示的范围，则发生进/借位，为 1。

5. 浮点数加减运算

两个浮点数加减需要经历一下步骤：

1. 对阶：对阶的目的是使两数的阶相等，以便尾数可以相加减。对阶的原则是：小阶向大阶看齐，即阶小的那个数的尾数右移。（有一个数的尾数表示会越小，可能在右移时会超出尾数的位数，导致溢出）
2. 尾数加减：对阶后两个浮点数的阶相等，此时可以把对阶后的尾数相加减。
3. 尾数规格化：
   • 右规：若相加结果的整数部分超过一位，则需要将尾数向右移动到整数部分只有一位，此时可能会发生尾数溢出。
   • 左规：若相加的结果的整数部分为 0，则需要将尾数向左移动到整数部分为 1。
4. 尾数的舍入处理：在对阶和尾数右规时，可能会对尾数进行右移，为保证运算精度，一般将低位溢出的位保留下来，并让其参与中间过程的运算，最后再将运算结果进行舍入。舍入的方式有：
   • 朝 +∞ 方向舍入：总是取数轴上右边最近可表示数。
   • 朝 -∞ 方向舍入：总是取数轴上左边最近可表示数。
   • 朝 0 方向舍入：直接截取所需位数，丢弃后面所有位。
5. 阶码溢出判断：在进行尾数规格化和尾数舍入时，可能会对结果的阶码执行 +1 或 -1 操作。因此必须考虑结果的阶溢出问题。
   • 尾数右规或舍入时，阶码需要 +1。若阶码加一后全为 1，说明结果的阶比最大允许值 127 还大，则发生“阶码上溢”。
   • 尾数左规时，先阶码 -1，若阶码减一后全为 0，说明结果的阶比最小允许值 -126 还小，即结果位非规格话形式，此时应使结果的尾数不变，阶码全 0。