字节序
字节序,又称端序、尾序,英文单词为Endian,该单词来源于于乔纳森·斯威夫特的小说《格列佛游记》,小说中的小人国因为吃鸡蛋的问题而内战,战争开始是由于以下的原因:我们大家都认为,吃鸡蛋前,原始的方法是打破鸡蛋较大的一端。可是当今皇帝的祖父小时候吃鸡蛋,一次按古法打鸡蛋时碰巧将一个手指弄破了,因此他的父亲,当时的皇帝,就下了一道敕令,命令全体臣民吃鸡蛋时打破鸡蛋较小的一端,违令者重罚。老百姓们对这项命令极为反感。历史告诉我们,由此曾发生过六次叛乱,其中一个皇帝送了命,另一个丢了王位…关于这一争端,曾出版过几百本大部著作,不过大端派的书一直是受禁的,法律也规定该派的任何人不得做官。1980年,Danny Cohen在其著名的论文"On Holy Wars and a Plea for Peace"中,为平息一场关于字节该以什么样的顺序传送的争论,而引用了该词。
在计算机科学领域中,字节序是指存放多字节数据的字节(byte)的顺序,典型的情况是整数在内存中的存放方式和网络传输的传输顺序。有时候也可以用指位序(bit)。为了更好地理解,先看下面这段小程序,这个程序是把一个包含4位数字的字符串转换为16进制整数来存储,16进制整数的每一个字节存储一位数字字符。比如:”1234”,转换成16进制整数0x01020304。
程序1清单:
#include<stdio.h>
#include<conio.h>
int main( )
{
char input[4] = {0};
int integer = 0;
int i;
printf("/r/n请输入一个位数,每一位的范围是从到0到9/r/n");
for(i = 0; i < 4; i++)
{
input[i] = getch();
if(input[i] > '9' || input[i] < '0')
{
printf("input error!/r/n");
return 1;
}
putch(input[i]);
}
getch();
putch('/n');
for(i = 0; i < 4; i++)
{
input[i] = input[i] - '0';
}
memcpy((void*)&integer, (void*)input, 4);
printf("转换后的进制数是:0x%08x/r/n", integer);
getch();
return 0;
}
现在来分析一下这段代码
首先,定义了一个字符数组input,用来接收用户输入的4个数字字符;
第二,把4个字符数字转换成对应的数字;
第三,把转换的数字复制到整型变量integer中;
最后在屏幕上打印。
如果在PPC或者ARM的机器上编译运行这个程序,那么会在屏幕上打印出结果:0x01020304,这与我们的预期一致;但是在X86的机器上则打印出的结果是:0x04030201。这个令人惊讶的结果正是字节序问题引起。下面来详细谈谈这个问题。
从计算机诞生之后,就有几种不同的字节序,典型的是大端序(big endian)和小端序(little endian),当然还有不常见的混合序(middle endian)。这些用来都是描述多字节数据在内存中的存放方式的。以上面的16进制数0x01020304为例,在计算机中需要用4个字节来保存它,’01’, ’02’,’03’,’04’各占一个字节。按照人类的计数习惯,最左边的’01’,称之为最高有效位(MSB,Most Significant Byte,它具有最高权重);最右边的’04’称之为最低有效位(LSB, Least Significant Byte,他具有最低权重);在计算机中需要用4个字节来保存它,其中’01’, ’02’,’03’,’04’各占一个字节。大端序的计算机保存这个数值时,按照从低地址到高地址的顺序分别保存MSB到LSB四个字节,0x01020304的存储情况如下图所示:
而小端序的计算机则以相反的顺序来保存它,如下图所示:
可以看到,在小端序的计算机中,0x01020304的保存顺序恰好与上面的程序1中相反,这就是最后输出结果为0x04030201的原因;大端序的计算机中两者保存顺序一致,所以打印正确。
我们可以在VC集成环境中来验证上面的分析。在VS2005中调试下面的小程序,在return语句处设置断点,断住后打开内存窗口查看&i处的内容。可以直观的看到在x86(小端序)的机器上整数的存放方式。
程序2清单:
#include<stdio.h>
int main()
{
int i = 0x01020304;
printf("i = %#x/r/n",i);
return 0;
}
再看看如何才能让程序1在大端序和小端序的机器上都能正确执行呢?一个办法就是利用预编译宏,针对不同的机器定义定义不同的数据结构。下面是一个例子:
程序3清单:
#include<stdio.h>
#include<conio.h>
typedefunion
{
struct{
#ifdef BIG_ENDIAN
char msb;
char midb1;
char midb2;
char lsb;
#else
char lsb;
char midb2;
char midb1;
char msb;
#endif
} bytes;
int var;
} INTEGER;
int main()
{
int i = 0;
char input[5] = {0};
INTEGER integer = {0};
printf("/r/n请输入一个位数,每一位的范围是从到到/r/n");
for(i = 0; i < 4; i++)
{
input[i] = getch();
if(input[i] > '9' || input[i] < '0')
{
printf("input error!/r/n");
return 1;
}
putch(input[i]);
}
getch();
putch('/n');
integer.bytes.msb = input[0] - '0';
integer.bytes.midb1 = input[1] - '0';
integer.bytes.midb2 = input[2] - '0';
integer.bytes.lsb = input[3] - '0';
printf("转换后的进制数是:0x%08x/r/n", integer.var);
getch();
return 0;
}
可以看到,这段代码定义了两套数据结构,通过BIG_ENDIAN这个宏定义来决定使用哪一套数据结构。这是个笨拙却有效的方法。下面这个例子则漂亮一些:
程序4清单
#include<stdio.h>
#include<conio.h>
#include<memory.h>
#include<winsock2.h>
int main( )
{
char input[4] = {0};
int integer = 0;
int i;
printf("/r/n请输入一个位数,每一位的范围是从到到/r/n");
for(i = 0; i < 4; i++)
{
input[i] = getch();
if(input[i] > '9' || input[i] < '0')
{
printf("input error!/r/n");
return 1;
}
putch(input[i]);
}
getch();
putch('/n');
for(i = 0; i < 4; i++)
{
input[i] = input[i] - '0';
}
memcpy((void*)&integer, (void*)input, 4);
integer = ntohl(integer);
printf("转换后的进制数是:0x%08x/r/n", integer);
getch();
return 0;
}
这个程序利用了大端序与人类书写习惯一致的特点,通过ntohl函数将整数进行转换。这个函数的功能是将网络序转换成主机序,在大端机器上它什么也不做,在小端机器上它会将输入参数的值转换成小端序的值。在windows环境下链接时别忘了将Ws2_32.lib库添加进来。
主机序和网络序
主机序就是指主机的端序。
网络字节序(网络序)指多字节数据在网络传输中的顺序,TCP协议规定网络序是大端序,即高字节先发送。因此大端序的机器接受到的数据可直接使用,小端序机器则需要转换后使用。BSD socket API中定义了一组转换函数,用于16和32bit整数在网络序和本机字节序之间的转换。htonl,htons用于本机序转换到网络序;ntohl,ntohs用于网络序转换到本机序。一般来说,为了保证程序的可移植性,编写代码时,发送的数据需要使用htonl、htons转换,接收到的数据要使用ntohl、ntohs转换。
注意:不存在对单字节整数进行转换的函数”ntohc”和”htonc”!
位序
位序,一般用于描述串行设备的传输顺序。一般说来大部分硬件都是采用小端序(先传低位),因此,对于一个字节数据,大部分机器上收发的顺序都一样,不会有问题,这就是为什么没有针对单字节数据的API接口”ntohc”和”htonc”。当然,也有例外,比如I2C协议就是采用了大端序。这些细节只有在网络协议的数据链路层底端才会碰到,对一般的程序员来说很少涉及。
但是在C语言中存在一种特殊的数据结构:位域。它的存在,使得C程序员能方便地进行位操作(比如在网络协议中经常出现1bit或者多bit的标示位,它们不是一个完整的字节)。但同时也引起一些难以察觉的问题,这些问题的根源仍然是前面提到的端序。
与字节序一样,一个字节中的8个bit顺序在不同端序的机器上并不相同。大端机器上从低地址到高地址顺寻分别是msb->lsb,如下图:
小端序的机器上则正好相反
现代计算机的最小存储单位是BYTE,无法对bit寻址,因此我们无法直接观察每个字节内部bit的顺序。但是我们仍然可以通过位域来间接观察字节内部bit顺序,以印证上面的说法。
在C语言中,位域与结构体类似,其语法规定:先声明的成员位于低地址,后声明的成员位于高地址。那么下面的位域中:
typedefstruct OneByte
{
bt0 : 1;
bt1 : 1;
bt2 : 1;
bt3 : 1;
bt4 : 1;
bt5 : 1;
bt6 : 1;
bt7 : 1;
}
成员bt0就位于一个字节中最低地址bit0处,成员bt7就位于一个字节的最地址bit7处。
我们看看下面的程序。
#include<stdio.h>
typedefstruct OneByte
{
char bt0 : 1;
char bt1 : 1;
char bt2 : 1;
char bt3 : 1;
char bt4 : 1;
char bt5 : 1;
char bt6 : 1;
char bt7 : 1;
} ONE_BYTE;
int main()
{
ONE_BYTE onebyte = {0};
onebyte.bt7 = 1;
printf("onebyte = %#x/r/n", *((unsignedchar *)&onebyte));
return 0;
}
当bt7赋值为1后,onebyte在内存中是这个样子的:
而在VC2005中编译运行的结果如下:
0x80转换成二进制是1000 0000。由于在X86(小端序)中,高地址bit7是msb,因此onebyte的值是0x80了;这就证实了前面的说法。相应的如果是在大端序计算机中,bit7是lsb,则onebyte的值是0x01。
字节序与位序切实是统一的;
依据计算机设计的架构形式不同,等闲CPU(和一些外设)判别为大端序和小端序,另外也有所谓混杂序的装备存在,这种装备在这里不做琢磨
所谓大端序,即便当机器沿着地址从低地址向高地址读的时候,第一个读取到的字节byte或位bit
都是从最高的一位(MSB:Most Significant Bit,最高管用位)或最高的一个byte;
(本文所描写内容均不琢磨补码导致的切实存储数据改变)
如下所示
地址低位————>地址增长方向 ————>地址高位
数据高位 | 1 0 0 0 1 1 1 1 | 0 1 0 1 0 0 0 0 | 数据低位
| byte 1 byte 2
|
/|/
pointer
指针指在第一个bit处,当 读取的时候顺次读入1000111101010000 (顺次读入 0x8f, 0x50)这个16位的数即便0x8f50
而低端序对应的16位数0x8f50 的存储措施为:
地址低位————>地址增长方向 ————>地址高位
数据低位 | 0 0 0 0 1 0 1 0 | 1 1 1 1 0 0 0 1| 数据高位
| byte 1 byte 2
|
/|/
pointer
读取的时候顺次读入0 0 0 0 1 0 1 0 1 1 1 1 0 0 0 1;
从上能够看出从大端序到小端序,发生了两个改变:
1、字节序列编排措施的改变 ;高低互换;
2、位序发生了改变,高低互换;
测验过程如下:
#include <stdlib.h>
#include <stdio.h>
int main () {
int a = 0x12345678;
char *pos = (char *) &a;
printf("sizeof int : %d/r/n", sizeof(int));
int i = 0;
while (i < sizeof(int)) {
printf("%x - %x ", pos, *pos);
i++;
pos++;
}
小端序机器上运行收获(x86):
sizeof int : 4
bfcfd470 - 78 bfcfd471 - 56 bfcfd472 - 34 bfcfd473 – 12
地址是添置的,输出时从第四字节(起码)到第一字节(最高)
大端序机器上运行收获(powerpc 51xx):
sizeof int : 4
2ff22c30 - 12 2ff22c31 - 34 2ff22c32 - 56 2ff22c33 - 78
另字节序和位序的联系是很紧凑的;参见如下的关于网络协议中IP头部的数据构造定义:
typedef struct _ip
{
#if BYTE_ORDER == LITTLE_ENDIAN
uchar ip_hl:4, /* header length */
ip_v:4; /* version */
#endif
#if BYTE_ORDER == BIG_ENDIAN
uchar ip_v:4, /* version */
ip_hl:4; /* header length */
#endif
uchar ip_tos; /* type of service */
ushort ip_len; /* total length */
ushort ip_id; /* identification */
ushort ip_off; /* fragment offset field */
#define IP_DF 0x4000 /* dont fragment flag */
#define IP_MF 0x2000 /* more fragments flag */
#define IP_OFFMASK 0x1fff /* mask for fragmenting bits */
uchar ip_ttl; /* time to live */
uchar ip_p; /* protocol */
ushort ip_sum; /* checksum */
IPADDRTYPE ip_src; /* source address */
IPADDRTYPE ip_dst; /* dest address */
}IP;