整数表示

一、整型数据类型

C 语言支持多种整型数据类型——表示有限范围的整数。

• 每种类型都能用关键字来指定大小，这些关键字包括 char 、 short 、long ，同时还可以指示被表示的数字是非负数（声明为 unsigned ），或者可能是负数（默认）。
• 以下为 64 位程序上 C 语言整型数据类型的典型取值范围：

C 数据类型	最小值	最大值
[signed] char	-128	127
unsigned char	0	255
short	-32 768	32 767
unsigned short	0	65 535
int	-2 147 483 648	2 147 483 647
unsigned	0	4 294 967 295
long	-9 223 372 036 854 775 808	9 223 372 036 854 775 807
unsigned long	0	18 446 744 073 709 551 615
int32_t	-2 147 483 648	2 147 483 647
uint32_t	0	4 294 967 295
int64_t	-9 223 372 036 854 775 808	9 223 372 036 854 775 807
uint64_t	0	18 446 744 073 709 551 615

二、无符号数的编码

• 假设有一个整数数据类型有 $w$ 位。我们可以将位向量写成 $\vec{x}$ ，表示整个向量，或者写成 [ $x_{w-1}$ , $x_{w-2}$ , … , $x_0$ ]，表示向量中的每一位。把 $\vec{x}$ 看做一个二进制表示的数，就获得了$\vec{x}$ 的无符号表示。

• 在这个编码中，每个位 $x_i$ 都取值为 0 或 1，后一种取值意味着数值 $2^i$ 应为数字值的一部分。我们用一个函数 $B2U_w$ （ Binary to Unsigned 的缩写，长度为 $w$ ）来表示：

• 原理：无符号数编码的定义。

• 对向量 $\vec{x}$=[ $x_{w-1}$ , $x_{w-2}$ , … , $x_0$ ] ：

  $B2U_w(\vec{x})\dot{=}\sum {i=0}^{w-1}{x}_i{2}^i$

• 在这个等式中，符号 “$\dot{=}$” 表示左边被定义为等于右边。函数 $B2U_w$ ，将一个长度为 $w$ 的 0、1 串映射到非负整数。

• 举一个示例，下面几种情况下 $B2U$ 给出的从位向量到整数的映射：

  • $B2U_4([0001])=0\cdot 2^3+0\cdot 2^2+0\cdot 2^1+1\cdot 2^0=0+0+0+1=1$
  • $B2U_4([0101])=0\cdot 2^3+1\cdot 2^2+0\cdot 2^1+1\cdot 2^0=0+4+0+1=5$
  • $B2U_4([1011])=1\cdot 2^3+0\cdot 2^2+1\cdot 2^1+1\cdot 2^0=8+0+2+1=11$
  • $B2U_4([1111])=1\cdot 2^3+1\cdot 2^2+1\cdot 2^1+1\cdot 2^0=8+4+2+1=15$

• $w$=4 的无符号数示例，当二进制表示中位 $i$ 为 1，数值就会相应加上 $2^i$：

• 让我们来考虑一下 $w$ 位所能表示的值的范围：

  • 最小值是用位向量 $[00\dots 0]$ 表示，也就是整数值0。
  • 而最大值是用位向量 $[11\dots 1]$ 表示，也就是整数值 $UMa{x}_w\dot{=}\sum {i=0}^{w-1}{2}^i=2^w-1$ ，以 4 位数情况为例，$UMa{x}_4=B2U_4([1111])=2^4-1=15$ 。因此，函数 $B2U_w$ 能够被定义为一个映射 B 2 U : { 0 , 1 } w → { 0 , . . . , 2 w − 1 } B2U:\{0,1\}^{w} \rightarrow \{0, ...,2^{w}-1\} B2U:{0,1}w→{0,...,2w−1}。

• 无符号数的二进制表示有一个很重要的属性，也就是每个介于 $0\sim 2^w-1$ 之间的数都有唯一一个 $w$ 位的值编码。例如，十进制值 11 作为无符号数，只有一个 4 位的表示，即 $[1011]$。

• 我们用数学原理来重点讲述它，先表述原理再解释。

• 原理：无符号数编码的唯一性。

• 函数 $B2U_w$ 是一个双射。

• 数学术语 双射 是指一个函数 $f$ 有两面：它将数值 $x$ 映射为数值 $y$ ，即 $y=f(x)$，但它也可以反向操作，因为对每一个 $y$ 而言，都有唯一一个数值 $x$ 使得 $f(x)=y$ 。这可以用 反函数 $f^{-1}$ 来表示，在本例中，即 $x=f^{-1}(y)$。函数 $B2U_w$ ，将每一个长度为 $w$ 的位向量都映射为 $0\sim 2^w-1$ 之间的一个唯一值；反过来，我们称其为 $U2B_w$ ，（即“无符号数到二进制”），在 $0\sim 2^w-1$ 之间的每一个整数都可以映射为一个唯一的长度为 $w$ 的位模式。

三、补码编码

对于许多应用，我们还希望表示负数值。

• 最常见的有符号数的计算机表示方式就是补码（ two ’ s - complement ）形式。在这个定义中，将字的最高有效位解释为负权（ negative weight ）。我们用函数 $B2T_w$ 。（ Binary to Two ’ s - complement 的缩写，长度为 $w$ ）来表示：
• 原理：补码编码的定义。
• 对向量 $\vec{x}$=[ $x_{w-1}$ , $x_{w-2}$ , … , $x_0$ ] ：

$$B2T_w(\vec{x})\dot{=}-x_{w-1}{2}^{w-1}+\sum _{i=0}^{w-2}{x}_i{2}^i$$

• 最高有效位 $x_{w-1}$ 也称为符号位，它的“权重“为 $-2_{w-1}$，是无符号表示中权重的负数。符号位被设置为 1 时，表示值为负，而当设置为 0 时，值为非负。

• 这里来看一个示例，下面几种情况下 $B2T$ 给出的从位向量到整数的映射：

  • $B2T_4([0001])=-0\cdot 2^3+0\cdot 2^2+0\cdot 2^1+1\cdot 2^0=0+0+0+1=1$
  • $B2T_4([0101])=-0\cdot 2^3+1\cdot 2^2+0\cdot 2^1+1\cdot 2^0=0+4+0+1=5$
  • $B2T_4([1011])=-1\cdot 2^3+0\cdot 2^2+1\cdot 2^1+1\cdot 2^0=-8+0+2+1=-5$
  • $B2T_4([1111])=-1\cdot 2^3+1\cdot 2^2+1\cdot 2^1+1\cdot 2^0=-8+4+2+1=-1$

• $w$=4 的补码示例，把位 3 作为符号位，因此当它为 1 时，对数值的影响是 $-2^3=-8$ 。（这个权重在图中用带向左箭头的条表示）：

• 让我们来考虑一下 $w$ 位补码所能表示的值的范围。它能表示的最小值是位向量 $[\mathrm{10...0}]$（也就是设置这个位为负权，但是清除其他所有的位），其整数值为 $TMi{n}_w\dot{=}-2^{w-1}$ 。而最大值是位向量 $[\mathrm{01...1}]$（清除具有负权的位，而设置其他所有的位），其整数值为 $TMa{x}_w\dot{=}{\sum }_{i=0}^{w-2}{2}^i=2^{w-1}-1$ 。以长度为 4 为例，我们有 $TMi{n}_4=B2T_4([1000])=-2^3=-8$ ，而 $TMa{x}_4=B2T_4([0111])=2^2+2^1+2^0=4+2+1=7$ 。

• 我们可以看出 $B2T_w$ 是一个从长度为 $w$ 的位模式到 $TMi{n}_w$ ，和 $TMa{x}_w$ 之间数字的映射，写作 $B2T_w$ ： { 0 , 1 } w → { T m i n w , . . . , T M a x w } \{0,1\}^{w} \to \{Tmin_{w},...,TMax_{w}\} {0,1}w→{Tminw​,...,TMaxw​}。同无符号表示一样，在可表示的取值范围内的每个数字都有一个唯一的 $w$ 位的补码编码。这就导出了与无符号数相似的补码数原理：

  • 原理：补码编码的唯一性。
  • 函数 $B2T_w$ 是一个 双射。

• 我们定义函数 $T2B_w$ （即“补码到二进制”）作为 $B2T_w$ 的反函数。也就是说，对于每个数 $x$ ，满足 $TMi{n}_w\le x\le TMa{x}_w$ ，则 $T2B_w(x)$ 是 $x$ 的（唯一的）$w$ 位模式。

• 下表展示了不同字长，几个重要数字的位模式和数值（前三个给出的是可表示的整数的范围）：

	字长 $w$
数	8	16	32	64
$UMa{x}_w$	0xFF 255	0×FFFF 65 535	0xFFFFFFFF 4 294 967 295	0xFFFFFFFFFFFFFFFF 18 446 744 073 709 551 615
$TMi{n}_w$	0x80 -128	0x8000 -32 768	0x80000000 -2 147 483 648	0x8000000000000000 -9223 372 036 854775 808
$TMa{x}_w$	0x7F 127	0x7FFF 32 767	0x7FFFFFFF 2 147 483 647	0x7FFFFFFFFFFFFFFF 9 223 372 036 854 775 807
-1 0	0xFF 0×00	0xFFFF 0×0000	0xFFFFFFFF 0x00000000	0xFFFFFFFFFFFFFFFF 0x0000000000000000

• 关于这些数字，有几点值得注意：

  • 第一，补码的范围是不对称的：$|TMin|=|TMax|+1$，也就是说， $TMin$ 没有与之对应的正数。正如我们将会看到的，这导致了补码运算的某些特殊的属性，并且容易造成程序中细微的错误。之所以会有这样的不对称性，是因为一半的位模式（符号位设置为 1 的数）表示负数，而另一半（符号位设置为 0 的数）表示非负数。因为 0 是非负数，也就意味着能表示的整数比负数少一个。
  • 第二，最大的无符号数值刚好比补码的最大值的两倍大一点： $UMa{x}_w=2TMa{x}_w十1$ 。 补码表示中所有表示负数的位模式在无符号表示中都变成了正数。上表也给出了常数 -1 和 0 的表示。注意 -1 和 $UMax$ 有同样的位表示 —— 一个全 1 的串。数值 0 在两种表示方式中都是全 0 的串。
  • 如果希望代码具有最大可移植性，能够在所有可能的机器上运行，那么除了所示的那些范围之外，我们不应该假设任何可表示的数值范围，也不应该假设有符号数会使用何种特殊的表示方式。
  • 关于整数数据类型的取值范围和表示， Java 标准是非常明确的。它要求采用补码表示。举个例子，在 Java 中，单字节数据类型称为 byte ，而不是 char 。这些非常具体的要求都是为了保证无论在什么机器上运行， Java 程序都能表现地完全一样。

四、有符号数和无符号数之间的转换

C 语言允许在各种不同的数字数据类型之间做强制类型转换。

• 示例代码：

short intv = -12345;
unsigned short uv = (unsigned short)v;
printf("v = %d, uv = %u\n", v, uv);

• 在一台采用补码的机器上，上述代码会产生如下输出：

ν=-12345, uν = 53191

• 对于大多数 C 语言的实现，处理同样字长的有符号数和无符号数之间相互转换的一般规则是：数值可能会改变，但是位模式不变。

• 我们考虑无符号与补码表示之间互相转换的结果：

• 对于在范围 $0\le x\le TMa{x}_w$ 之内的值 $x$ 而言，我们得到 $T2U_w(x)=x$ 和 $U2T_w(x)=x$。也就是说，在这个范围内的数字有相同的无符号和补码表示。

• 对于这个范围以外的数值，转换需要加上或者减去 $2^w$。例如，我们有 $T2U_w(-1)=-1+2^w=UMa{x}_w$ —— 最靠近 0 的负数映射为最大的无符号数。

• 在另一个极端，我们可以看到 $T2U_w(TMi{n}_w)=-2^{w-1}+2^w=2^{w-1}=TMa{x}_w+1$ —— 最小的负数映射为一个刚好在补码的正数范围之外的无符号数。

• 根据下图所示，我们能看到 $T2U_{16}(-12345)=65563+(-12345)=53191$。
  

• 12 345 和 -12 345 的补码表示，以及 53 191 的无符号表示。注意后面两个数有相同的位表示。

五、扩展一个数字的位表示

一个常见的运算是在不同字长的整数之间转换，同时又保持数值不变。当然，当目标数据类型太小以至于不能表示想要的值时，这根本就是不可能的。然而，从一个较小的数据类型转换到一个较大的类型，应该总是可能的。

• 要将一个无符号数转换为一个更大的数据类型，我们只要简单地在表示的开头添加 0 这种运算被称为零扩展（ zero extension ），表示原理如下：

• 原理：无符号数的零扩展。

• 定义宽度为 $w$ 的位向量 $\vec{u}=[u_{w-1},u_{w-2},...,u_0]$ 和宽度为 $w\prime$ 的位向量 $\vec{u}\prime =[0,...,0,u_{w-1},u_{w-2},...,u_0]$ ，其中 $w\prime >w$。则 $B2U_w(\vec{u})=B2U_{w\prime }(\overrightarrow{u\prime })$

• 要将一个补码数字转换为一个更大的数据类型，可以执行一个符号扩展（ sign extension ），在表示中添加最高有效位的值，表示为如下原理。我们用蓝色标出符号位 $x_{w-1}$ 来突出它在符号扩展中的角色。

• 原理：补码数的符号扩展。

• 定义宽度为 $w$ 的位向量 $\vec{x}=[x_{w-1},x_{w-2},...,x_0]$ 和宽度为 $w$ 的位向量 $\vec{x}\prime =[x_{w-1},...,x_{w-1},x_{w-1},x_{w-2},x_0]$ ，其中 $w\prime >w$。则 $B2T_w(\vec{x})=B2T_{w\prime }(\overrightarrow{x\prime })$

六、截断数字

• 假设我们不用额外的位来扩展一个数值，而是减少表示一个数字的位数。例如下面代码中这种情况：

int x = 53191;
short sx= (short) x; /* -12345 */
int y = sx;			/* -12345 */

• 当我们把 × 强制类型转换为 short 时，我们就将 32 位的 int 截断为了 16 位的 short int。

• 就像前面所看到的，这个 16 位的位模式就是 -12345 的补码表示。当我们把它强制类型转换回 int 时，符号扩展把高 16 位设置为 1，从而生成 -12345 的 32 位补码表示。

• 当将一个 $w$ 位的数 $\vec{x}=[x_{w-1},x_{w-2},...,x_0]$ 截断为一个 $k$ 位数字时，我们会丢弃高 $w-k$ 位，得到一个位向量 $\vec{x}\prime =[x_{k-1},x_{k-2},...,x_0]$ 。截断一个数字可能会改变它的值 —— 溢出的一种形式。对于一个无符号数，我们可以很容易得出其数值结果。

• 原理：截断无符号数。

• 令 $\vec{x}$ 等于位向量 $[x_{w-1},x_{w-2},...,x_0]$ ，而 $\vec{x}\prime$ 是将其截断为 $k$ 位的结果： $\vec{x}\prime =[x_{k-1},x_{k-2},...,x_0]$ 。令 $x=B2U_w(\vec{x})$ , $x\prime =B2U_k(\vec{x}\prime )$ 。则 $\vec{x}\prime =x\mathrm{mod}{2}^k$ 。该原理背后的直觉就是所有被截去的位其权重形式都为 $2^i$ ，其中 $i\ge k$，因此，每一个权在取模操作下结果都为零。

• 原理：截断补码数值。

• 令 $\vec{x}$ 等于位向量 $[x_{w-1},x_{w-2},...,x_0]$ ，而 $\vec{x}\prime$ 是将其截断为 $k$ 位的结果： $\vec{x}\prime =[x_{k-1},x_{k-2},...,x_0]$ 。

• 令 $x=B2U_w(\vec{x})$ , $x\prime =B2T_k(\vec{x}\prime )$ 。则 $x\prime =U2T_k(x\mathrm{mod}{2}^k)$ 。

• 在这个公式中，$x\mathrm{mod}{2}^k$ 将是 0 到 $2^k-1$ 之间的一个数。对其应用函数 $U2T_k$ ，产生的效果是把最高有效位 $x_{k-1}$ 的权重从 $2^{k-1}$ 转变为 $-2^{k-1}$。

• 举例来看，将数值 $x=53191$ 从 int 转换为 short 。由于 $2^{16}=65536\ge x$ ，我们有 $x\mathrm{mod}{2}^{16}=x$ 。但是，当我们把这个数转换为 16 位的补码时，我们得到 $\vec{x}\prime =53191-65536=-12345$

七、结束语

---

“-------怕什么真理无穷，进一寸有一寸的欢喜。”

微信公众号搜索：饺子泡牛奶。