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：
对比我们程序1中4个字节的存放情况可以看出两者是相同的，所以打印出来的值恰好就是0x01020304
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，这就是程序1最后输出结果为0x04030201的原因。
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。
同字节序问题一样，我们来看看怎么让上面的代码在不同端序的机器上都能打印出0x01这个值呢？前面说过，不存在对单字节整数进行转换的函数"ntohc"和"htonc"，那么还是用笨一点却有效的方法：针对不同的端序定义两份位域结构
typedefstruct OneByte
{
#ifdef BIG_ENDIAN
char bt0: 1;
char bt1 : 1;
char bt2 : 1;
char bt3 : 1;
char bt4 : 1;
char bt5 : 1;
char bt6 : 1;
char bt7 : 1;
#else
char bt7 : 1;
char bt6 : 1;
char bt5 : 1;
char bt4 : 1;
char bt3 : 1;
char bt2 : 1;
char bt1 : 1;
char bt0 : 1;
#endif
} ONE_BYTE;
其实同样的用法我们在实际的代码里面就可以找到，比如linux源码tcp.h中就有如下定义：
struct tcphdr {
__u16 source;
__u16 dest;
__u32 seq;
__u32 ack_seq;
#if defined(__LITTLE_ENDIAN_BITFIELD)
__u16 res1:4,
doff:4,
fin:1,
syn:1,
rst:1,
psh:1,
ack:1,
urg:1,
ece:1,
cwr:1;
#elif defined(__BIG_ENDIAN_BITFIELD)
__u16 doff:4,
res1:4,
cwr:1,
ece:1,
urg:1,
ack:1,
psh:1,
rst:1,
syn:1,
fin:1;
#else
#error "Adjust your defines"
#endif
__u16 window;
__u16 check;
__u16 urg_ptr;
};
最后一个问题，结束这篇拖了太久的文章。
既然不存在所谓的"ntohc"和"htonc"接口，那么网络通信程序是不是都要自己写代码来处理位序问题呢，尤其是底层驱动驱动程序？答案是大部分情况下不需要，因为大部分芯片都规定了串行发送一个字节的的顺序，因此发送方和接收方按照约定就能正确的接收一个字节了，可以理解为在芯片层面已经帮我们解决了位序不一致的问题。
对于上面提到的tcp.h的例子，因为tcp协议相对于底层芯片之间的通信已经是上层协议了，所以要自行处理位序。
拖了几年，这篇文章终于OVER了，汗颜！
扫一扫
2547
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
