信息的表示和处理——信息存储

写在前面

本文是对 《csapp》 第二章 “信息的表示和处理” 做的笔记，读者有兴趣可以去读原文，以下内容全来自对原文的总结。

信息存储

计算机大多数采用 8 bit 的块，作为最小单元寻址。每个块都有唯一的数字标识，也就是地址。

我们可以将整个虚拟内存看作是一个巨大的 char 类型数组。

进制

人类所擅长使用的是 十进制，所谓十进制，就是 逢十进一。按照相同的定义方式，我们可以定义出 X 进制。

转十进制

• 十进制：$321=3\times {10}^2+2\times {10}^1+1\times {10}^0$
• 八进制：$({501)}_8=5\times 8^2+0\times 8^1+1\times 8^0=321$
• 十六进制：${\left(141\right)}_{16}=1\times {16}^2+4\times {16}^1+1\times {16}^0=321$
• 二进制：${(101000001)}_2=1\times 2^8+1\times 2^6+1\times 2^0=321$

再次强调，计算机只存储 二进制，以上风格迥异的数字，在计算机底层都是一串相同的二进制序列。

在 c/c++ 中，没有前缀的则是十进制，0 开头的则是八进制，0x 开头的则是十六进制，无二进制字面量表示。

int main() {
    int a = 321;    // 十进制
    int b = 0501;   // 八进制
    int c = 0x141;  // 十六进制
    printf("%d %d %d \n", a, b, c);
}

二进制与十六进制、八进制转换

二进制 -> 八进制：3 个二进制位顶 1 个八进制位；八进制 -> 二进制：1 个八进制位顶 3个二进制位。

2 进制：101 000 001
8 进制：5   0   1 

恰好三位划分，可一一映射。

二进制 -> 十六进制：4 个二进制位顶 1 个十六进制位；十六进制 -> 二进制：1 个十六进制顶 4 个二进制位

2  进制：0001 0100 0001
16 进制：1    4    1

恰好四位划分，可一一映射。

大小端序

前面我们说到，我们将整个虚拟内存看出一个 char 数组，一个 char 类型是一个字节的。而几乎所有数据类型都超过了一个字节，这时我们要如何将一个多个字节在内存中排列呢？在计算机中有两种排列方式。

• 大端：最高有效字节在前
• 小端：最低有效字节在前

以 0x1234567 为例：

在此前我们强调过，计算机内部是一串二进制序列，本身是没有意义的。如果想要将其产生某种意义，那就需要对其做出解释。双方的解释不同，那就毫无意义、没法交流了（鸡同鸭讲）。

大部分的计算机内部都采用小端序，而网络传输统一规定使用大端序。

联合体判断大小端序

#define BIG   0
#define SMALL 1

int is_little_endian() {
    union {
        int a;
        char b;
    } u;
    u.a = 1;
    return u.b == 1 ? SMALL : BIG;
}

利用联合体特性，联合体共用一块内存

小端存储时。u.a = 1最高位直接置为 1，自然不等于占用最低字节的 u.b

大端存储时。u.a = 1最低位直接置为 1，所以会等于占用最低字节的 u.b

表示字符串

c 中的字符串是以 '\0' 结尾的字符串数组，通过结尾标识就能断定字符串在哪儿结束。

NULL 和 '\0' 都是 0

如下面计算字符串长度函数。

int str_len(char str[]) {
    int len = 0;
    while (str[len]) len++;
    return len;
}

但是这种字符串表示是非常不安全的，如果数组末尾的标志符丢失，将无法断定字符串的结束位置。

所以有些字符串的实现，会将其封装成一个结构体，用第一个字段标志长度。或用数组的第一个元素指明字符串的长度。

结构体也是按序排列的，如果你第一个字段就丢了，那就相当于没有过这个串。

位运算

与：&，同一出一

或：|，有一出一

非：~，按位取反

异或：无进位加法

位运算有很多骚操作，再此不做赘述，详情请看我以前写的文章：传送门

用作集合

二进制序列中，将 x 位上置为 1，就将其看成在这个集合中包含 x 这个元素。所以一个 char 可以视为最多包含 0~7 的集合。

a = [0110 1001] ---> A = {0, 3, 5, 6}
b = [0101 0101] ---> B = {0, 2, 4, 6}
交：a & b = [0100 0001] = {0, 6}
并：a | b = [0111 1111] = {0, 1, 2, 3, 4, 5, 6}
补：~a    = [1001 0110] = {2, 3, 5, 7}

用位运算对一串二进制序列位上的操作，充当对一个集合的增删改查操作，这在计算机中很常见。这类还有一个很高大上的名字，掩码。

移位运算

算术右移：>> ，往右移动，低位直接丢弃，高位由符号位补充。

逻辑右移：Java 中是 >>> ，c\c++ 中没有。往右移动，低位直接丢弃，高位由 0 补充。

左移：往左移动，高位直接丢弃，低位由 0 补充。也分算术和逻辑，但效果是一样的。

对于算术左移 k 位或右移 k 位，最直观的就是对一个数乘 $2^k$ 或除 $2^k$。对除来说又有略微的不同，再此不做缀诉，详情请看我以前写的文章：传送门

如果对一个数的移位 k 超过数本身的长度 w，那么就会做 k mod w 移位。

优先级问题：不建议写很复杂的移位运算，如果要写请打上括号，很多人都搞不清优先级。

1. + - 的优先级都比移位要高
2. 移位运算是从左到右结合的

如：1 << 2 + 3 << 4，很多人都弄不清怎么计算，正确的结合方式是 (1 << (2 + 3)) << 4 ，所以结果是 512。

别说上面这种复杂的移位运算，就连 l + r >> 1 的结合方式，具有多年工作经验的程序员来说都分不清。

所以再次建议，不要作复杂的位运算，如果非要做！那么请封装好一个函数或宏。

逻辑运算

与 && 或 || 非 !，切不可与位运算中的与& 或 | 非 ~ 混淆。前者是对两个数的布尔运算，后者是对两个数的位运算。

且 && 运算与 || 运算具有短路属性。所谓短路，即前面的布尔运算能确定整个布尔运算的结果，则后半段就不会执行。

比如：

• a || b，a 如果为真，就不需要再做后面的 b 部分。
• a && b，a 如果为假，就不需要再做后面的 b 部分。

再比如，下面的算法，当 i = n 时，后面的 str[i] != c 就会被短路，所以不存在越界的风险。

// 在一个字符串中搜寻某个字符的索引并返回。
int search(const char str[], int n, char c) {
    int i = 0;
    while(i < n && str[i] != c) i++;
    return i;
}

再比如，求 1 + 2 + ... + n 的和，不能使用乘除法、for、while、if、else、switch、case 等关键字及条件判断语句 (A?B:C) 实现。

int getSum(int n) {
    int res = n;
    (n > 0) && (res += getSum(n - 1)); // 利用短路运算终止递归
    return res;
}

参考资料

• 《深入理解计算机系统》