uleb128、sleb128和uleb128p1编码格式介绍

在程序中，一般使用32位比特位来表示一个整型的数值。不过，一般能够使用到的整数值都不会太大，使用32比特位来表示就有点太浪费了。对于普通计算机来说，这没什么问题，毕竟存储空间那么大。但是，对于移动设备来说，存储空间和内存空间都非常宝贵，不能浪费，能省就省。

Android的Dalvik虚拟机中，就使用了uleb128（Unsigned Little Endian Base 128）、uleb128p1（Unsigned Little Endian Base 128 Plus 1）和sleb128（Signed Little Endian Base 128）编码来解决整形数值占用空间大小浪费的问题（在Dalvik虚拟机中只使用这三种编码来表示32位整形数值）。

首先，我们来看看uleb128编码是怎么回事。要了解原理，最简单的方法，还是阅读代码。Dalvik使用readUnsignedLeb128函数来尝试读取一个uleb128编码的数值（代码位于dalvik\libdex\Leb128.h中）：

DEX_INLINE int readUnsignedLeb128(const u1** pStream) {
    const u1* ptr = *pStream;
    int result = *(ptr++);

    if (result > 0x7f) {
        int cur = *(ptr++);
        result = (result & 0x7f) | ((cur & 0x7f) << 7);
        if (cur > 0x7f) {
            cur = *(ptr++);
            result |= (cur & 0x7f) << 14;
            if (cur > 0x7f) {
                cur = *(ptr++);
                result |= (cur & 0x7f) << 21;
                if (cur > 0x7f) {
                    cur = *(ptr++);
                    result |= cur << 28;
                }
            }
        }
    }

    *pStream = ptr;
    return result;
}

代码非常简单，先读取第一个字节，并判断其是否大于0x7f，如果大于的话，则代表这个字节的最高位是1，而不是0。如果是1的话，则代表还要读下一个字节；如果是0的话，则代表uleb128编码的数值到此为止。而代表原来整型值的32位数据就嵌入在每个字节当中的7比特位中（应为最高位被用来表示编码是否结束了）。所以，如果要表示的整形值非常大的话，就需要5个字节表示了（反而比原来多一个字节）。而其实uleb128可以表示数值的范围其实是要比32位整形值要大的，有三位被浪费掉了。不过，一般程序中使用的整型值都不会太大，经常是小于100的，对于这种情况来说，只需要使用一个字节就可以表示了，比普通32位整形表示法少用了3个字节，节省的空间还是非常可观的。

uleb128编码，正如其名，是小端结尾的。因此第一个字节代表的是整形值的最低7比特位的值，第二个字节代表整型值的次低7比特位的值，以此类推，最后一个字节（最高位为0）代表整形值的最高7比特位的值。所以，代码中每发现要多用一个字节，都要多向左移动7位。

在Android源码提供的文档中，有下面这张图，可以帮助理解：

这张图表示了，只使用两个字节进行编码的情况。可以看到，第一个字节的最高位为1，代表还要用到接着的下一个字节。并且，第一个字节存放的是整型值的最低7位。而第二个字节的最高位为0，代表编码到此结束，剩下的7个比特位存放了整型值的高7位数据。

综上所述，对于uleb128编码来说，其特点如下：

1）一个uleb128编码的整形值，其占用的字节数是不确定的，长度有可能在1到5个字节之间变化；

2）一个uleb128编码的整形值，是以字节中最高位是否为0来表示字节流有没有结束的。

好，我们接下来在看看sleb128编码的实现。Dalvik使用readSignedLeb128函数来读取一个sleb128编码的数值（代码同样位于dalvik\libdex\Leb128.h中）：

DEX_INLINE int readSignedLeb128(const u1** pStream) {
    const u1* ptr = *pStream;
    int result = *(ptr++);

    if (result <= 0x7f) {
        result = (result << 25) >> 25;
    } else {
        int cur = *(ptr++);
        result = (result & 0x7f) | ((cur & 0x7f) << 7);
        if (cur <= 0x7f) {
            result = (result << 18) >> 18;
        } else {
            cur = *(ptr++);
            result |= (cur & 0x7f) << 14;
            if (cur <= 0x7f) {
                result = (result << 11) >> 11;
            } else {
                cur = *(ptr++);
                result |= (cur & 0x7f) << 21;
                if (cur <= 0x7f) {
                    result = (result << 4) >> 4;
                } else {
                    cur = *(ptr++);
                    result |= cur << 28;
                }
            }
        }
    }

    *pStream = ptr;
    return result;
}

可以看出来，其实处理的方法还是非常相似的。唯一的不同是，这里存放的是有符号整形数值，因此需要相应的进行符号位扩展，代码中是通过先左移到最左边，再算术右移同样的位数来实现的。

因此，sleb128和uleb128最大的区别就是，其编码的整形数值是有符号的，其它完全一样。

最后，我们再来看一个变种，也就是uleb128p1。这种编码方式是Dalvik独有的，如果所要表示的整数范围只包含一个负数，也就是-1的话，如果直接用sleb128编码，那就太浪费了，因此Android创造出了这种所谓的uleb128p1的编码方式。实现如下（代码位于libcore\dex\src\main\java\com\android\dex\Dex.java）：

public final class Dex {
    ...
    public final class Section implements ByteInput, ByteOutput {
        ...
        public int readUleb128p1() {
            return Leb128.readUnsignedLeb128(this) - 1;
        }
        ...
    }
    ...
}

其实现原理就更简单了，就是将其当做uleb128编码的值进行解码，然后再减一就可以了。因为uleb128能表示范围为0~4,294,967,295的整数，所以uleb128p1就可以表示范围为-1~4,294,967,294的整数。解码时要减一，那么反过来，编码时就需要加一。

举例：

说明：

0x51+0x2100+0xCC000+0x8000000 = 0x080CE151

左移4位（高位丢弃，低位补0），即是0x80CE1510

右移4位（有符号数，高位若符号位为1补1，否则补0。低位丢弃。无符号数，补0，低位丢弃），即是0xF80CE151.

C语言中的“>>”和“<<”

先说左移,左移就是把一个数的所有位都向左移动若干位,在C中用<<运算符.例如:

　　int i = 1;

　　i = i << 2; //把i里的值左移2位

　　也就是说,1的2进制是000...0001(这里1前面0的个数和int的位数有关,32位机器,gcc里有31个0),左移2位之后变成 000...0100,也就是10进制的4,所以说左移1位相当于乘以2,那么左移n位就是乘以2的n次方了(有符号数不完全适用,因为左移有可能导致符号变化,下面解释原因)

　　需要注意的一个问题是int类型最左端的符号位和移位移出去的情况.我们知道,int是有符号的整形数,最左端的1位是符号位,即0正1负,那么移位的时候就会出现溢出,例如:

　　int i = 0x40000000; //16进制的40000000,为2进制的01000000...0000

　　i = i << 1;

　　那么,i在左移1位之后就会变成0x80000000,也就是2进制的100000...0000,符号位被置1,其他位全是0,变成了int类型所能表示的最小值,32位的int这个值是-2147483648,溢出.如果再接着把i左移1位会出现什么情况呢?在C语言中采用了丢弃最高位的处理方法,丢弃了1之后,i的值变成了0.

　　左移里一个比较特殊的情况是当左移的位数超过该数值类型的最大位数时,编译器会用左移的位数去模类型的最大位数,然后按余数进行移位,如:

　　int i = 1, j = 0x80000000; //设int为32位

　　i = i << 33; // 33 % 32 = 1 左移1位,i变成2

　　j = j << 33; // 33 % 32 = 1 左移1位,j变成0,最高位被丢弃

　　在用gcc编译这段程序的时候编译器会给出一个warning,说左移位数>=类型长度.那么实际上i,j移动的就是1位,也就是33%32后的余数.在gcc下是这个规则,别的编译器是不是都一样现在还不清楚.

　　总之左移就是: 丢弃最高位,0补最低位

　　再说右移,明白了左移的道理,那么右移就比较好理解了.

　　右移的概念和左移相反,就是往右边挪动若干位,运算符是>>.

　　右移对符号位的处理和左移不同,对于有符号整数来说,比如int类型,右移会保持符号位不变,例如:

　　int i = 0x80000000;

　　i = i >> 1; //i的值不会变成0x40000000,而会变成0xc0000000

　　就是说,符号位向右移动后,正数的话补0,负数补1,也就是汇编语言中的算术右移.同样当移动的位数超过类型的长度时,会取余数,然后移动余数个位.

　　负数10100110 >>5(假设字长为8位)，则得到的是 11111101

　　总之,在C中,左移是逻辑/算术左移(两者完全相同),右移是算术右移,会保持符号位不变.实际应用中可以根据情况用左/右移做快速的乘/除运算,这样会比循环效率高很多.

　　例:C语言中左移<<表示乘以2，右移>>表示除以2，这是由计算机工作原理导致的！但是要是7，二进制数为0111，右移一位得3.5，但是右移之后二进制数变成0011，是3。不一样啊，怎么解释呢？？

　　移位操作符的两个操作数必须是整型的。整个移位表达式的值的类型也是整型的，而且，左移位操作符与右移位操作符的运算并不对称。0111右移一位是把最后一位的1去掉，左边补个0，得0011，转换为十进制是3，这是正确的。并不等同于除以2 。

参考：

http://blog.csdn.net/roland_sun/article/details/46708061

https://baike.1688.com/doc/view-d1750791.html