详细介绍c语言中整数的编码规则(非常详细)

前言

本篇博客会介绍整数的最低最高有效位，c语言中无符号数的编码，有符号数的编码，补码的使用等等等等。内容会比较多 😐,请耐心看完哦。
来源：《深入理解计算机系统》

有效位

假设有一个w位（bit）的数值，可以表示为$[x_{w-1},x_{w-2},....,x_1,x_0]$,规定把$x_{w-1}$称为最高有效位，$x_0$称为最低有效位

整数4的二进制表示为100
对4而言，w = 3, 最高有效位为1 最低有效位为0

无符号数编码

下面给出无符号数编码的计算公式，其实就是二进制和十进制的互相转换。

(为了表示方便二进制串用[]括起来) 例如：
$[1000]=1\ast 2^3+0\ast 2^2+0\ast 2^1+0\ast 2^0=8$
$[1010]=1\ast 2^3+0\ast 2^2+1\ast 2^1+0\ast 2^0=10$
$[1110]=1\ast 2^3+1\ast 2^2+1\ast 2^1+0\ast 2^0=14$

无符号数编码的取值范围

长度为w位的二进制串能表示值的范围为$[0,2^w-1]$。最小值用二进制串$[\mathrm{000...00}]$表示，最大值用二进制串$[\mathrm{111...11}]$表示，可以这样计算$$\sum _{\mathrm{i}=0}^{\mathrm{w}-1}{2}^{\mathrm{i}}=2^{\mathrm{w}}-1$$

无符号数的二进制表示还有一个特别的属性，就是每个在$[0,2^w-1]$的数都有唯一一个w位数值编码。给定一个w位的数值编码，也可以唯一确定一个$[0,2^2-1]$的数。 即：将二进制数转为无符号数的函数是双射函数。

补码

上面的无符号数有一个明显的缺点，就是只能表示正数，但是在很多情况下我们希望能够表示负数,于是我们可以使用补码编码。

补码编码

与无符号数编码不同的是，补码编码最高有效位为符号位，权重为$-2^{w-1}$

• 当符号位为1时，其值为$-2^{w-1}$
• 当符号位为0时，其值为0

示例：
$[0001]=-0\ast 2^3+0\ast 2^2+0\ast 2^1+1\ast 2^0=1$
$[1011]=-1\ast 2^3+0\ast 2^2+1\ast 2^1+1\ast 2^0=-5$

补码编码的取值范围

w位补码的取值范围为$[-2^{w-1},2^{w-1}-1]$ ，最小值的二进制串为$[\mathrm{1000...000}]$(因为只有最高有效位用于表示负，其它位都表示正)。最大值的二进制串为$[\mathrm{0111...111}]$

int类型w为32，可以由此推出int的取值范围$[-2^{31},2^{31}-1]$ ,即$[-2147483648,2147483547]$

从补码转换到二进制的函数是一个双射函数。

c语言的有符号数

在大部分机器上，c语言都会使用补码来表示有符号整数。
大多数数字也是默认有符号的，要创建一个无符号常量,必须加上后缀字符U或者u

如：1234U
0x1234u

补码的使用

对于非负数x,我们用$2^w-x$做为-x的补码表示

举个例子：
short x = 12345;
short mx = -x; // mx为-12345

$2^w$的二进制表示为 1 00000000 00000000
x的二进制表示为 00110000 00111001
$2^w-x$的二进制表示为 11001111 11000111
结果为 1+2+4+64+128+256+512+1024+2048+16384-32768 = -12345

---

有符号数的另外两种表示方法

反码

最高有效位权重为$-(2^{w-1}-1)$,其余和补码一样

原码

最高有效位作为符号位，权重为$-1$,其余和补码一样

有符号数和无符号数之间的转化

先介绍转化的规则

不改变位值，而是改变解释位的方式

分析一下上图的步骤

1. 将有符号数转换为对应位值：-12345的补码编码为$[1100111111000111]$
2. 将该位值使用无符号数编码，结果为53191

$53191=1+2+4+64+128+256+512+1024+2048+16384+32768$

[11001111 11000111]的补码和无符号数编码如下：
-12345=1+2+4+64+128+256+512+1024+2048+16384 -32768
53191 =1+2+4+64+128+256+512+1024+2048+16384 +32768
当补码编码为负数时，设[0 ~ w-2]位的数值为A
补码对应值：$A-2^{w-1}$
无符号数对应值：$A+2^{w-1}$
相互转换只需$\pm 2^w$

补码到无符号数之间的转换公式

根据上面的推导，可以推出公式
$$补码x变成无符号数=\{\begin{array}{l}x+2^w,x<0\\ x,x\ge 0\end{array}$$
相应地，可以推出无符号数变成补码的公式
$$无符号数u变成补码=-u_{w-1}{2}^w+u$$
$u_{w-1}为u的最高有效位$

什么时候会发生符号数和无符号数之间的转化

1. 强制类型转换，如下面的代码

int x;
unsigned int ux =(unsigned int)x;

2. 将一种类型的变量赋值给另外一种类型的变量时

int x;
unsigned int ux;
ux = x;

3. 当有符号无符号数参与运算时，c语言会隐式的将有符号数转化为无符号数

#include <iostream>
int main()
{
    if (-1 > 0U)
    {
        std::cout << "有符号数被转换为无符号数";
    }
    return 0;
} //结果成功输出，大家可以自行验证一下

---

c语言中INT_MIN的写法

在c语言的<limits.h>头文件里定义了一组常量,INT_MAX和INT_MIN确定了有符号整数的取值范围。
观察源码，发现INT_MIN的定义有些奇怪

#define INT_MAX 2147483637
#define INT_MIN (-INT_MAX-1) 

为什么不直接写成-2147483648呢？原因如下

1. 编译器在遇到形如-x的表达式时，会先确定x的数据类型和值
2. 2147483648($2^{31}$)超出int的范围(int最高位为符号位，int最大值为$2^{31}-1$)
3. 编译器会尝试找到一个数据类型可以正确表示这个值。不同标准的c找到的类型不同。在32位机器上的结果如下。

• 对于ISO C90版本，编译器从int到long再到 unsigned, 最终找到的数据类型是unsigned，值为2147483648。
• 对于ISO C99版本，编译器从int到long再到 long long ,它最终找到的数据类型是long long，值为-2147483648。

为什么将2147483648扩展到long long类型，值会变成-2147483648呢，在这就要介绍如何扩展数字的位了。

扩展数字位的表示

有时候，我们会将一个数据类型转化到更大的数字类型。

无符号数的扩展

将一个无符号数转化为更大的数据类型，只要在开头加上0就行了，这被称为无符号数的0扩展。

有符号数的扩展

我们希望扩展之后数依然不变

先观察个简单的例子
位$[101]$ ，w为3 表示值-4+1=3
位$[1101]$ ，w为4 表示值-8+4+1=3
位$[11101]$，w为5 表示值 -16+8+4+1=3

可以得出结论，因为篇幅问题这里就不给出证明了。主要是懒
$$[\underset{k次}{\underbrace{x_{w-1},...,x_{w-1}}},x_{w-1},x_{w-2},...,x_0]=[x_{w-1},x_{w-2},...,x_0]$$

这就能解释为什么将2147483648扩展到long long类型，值会变成-2147483648

1. 2147483648的二进制表达式$[10000000000000000000000000000000]$
2. 这个数字超出int的表示范围了，所以在C99下被扩展为long long格式，w被扩充到64位。
3. 由于最高有效位是1，所以用1来补齐缺少的位。得到的64位值为$[1111111111111111111111111111111110000000000000000000000000000000]$
4. 其值就是-2147483648

---

本文结束

看完本文的样子 be like :

不会连这篇文章都看不懂吧，真是

然后被暴打

一些废话

花了两天时间把这篇博客整理出来。。。。 虽然大一自学c的时候也有学过，不过当时感觉很难就只没怎么仔细看。现在看来其实没那么难。

题外话：写算法题的时候数据过大会爆int ， 所以用long long 应该是个好习惯吧。