关于有符号数和无符号数

关于有符号数和无符号数

最近，在讨论有符号数和无符号数在计算机中的表示的问题，结果越讨论越乱。而且使用C语言胡乱验证了一番，最后发现使用了C语言的工具，竟然使得数据真正存储的事实更加令人迷惑。从一个侧面也反映了当初学习时的浅尝辄止，和计算机发明者的别具匠心。
在网上找了一些说法，都说的不是太清楚，有一篇文档说的有理有据，贴在此。
地址：http://bbs.csdn.net/topics/220082072

全文引用如下：

有符号数和无符号数探讨

这个问题，要是简单的理解，是很容易的，不过要是考虑的深了，还真有些东西呢。
下面我就把这个东西尽量的扩展一点，深入一点和大家说说。

一、只有一个标准！

在汇编语言层面，声明变量的时候，没有 signed 和 unsignde 之分，汇编器统统，将你输入的整数字面量当作有符号数处理成补码存入到计算机中，只有这一个标准！汇编器不会区分有符号还是无符号然后用两个标准来处理，它统统当作有符号的！并且统统汇编成补码！也就是说，db -20 汇编后为：EC ，而 db 236 汇编后也为 EC 。这里有一个小问题，思考深入的朋友会发现，db 是分配一个字节，那么一个字节能表示的有符号整数范围是：-128 ~ +127 ，那么 db 236 超过了这一范围，怎么可以？是的，+236 的补码的确超出了一个字节的表示范围，那么拿两个字节（当然更多的字节更好了）是可以装下的，应为：00 EC，也就是说 +236的补码应该是00 EC，一个字节装不下，但是，别忘了“截断”这个概念，就是说最后汇编的结果被截断了，00 EC 是两个字节，被截断成 EC ，所以，这是个“美丽的错误”，为什么这么说？因为，当你把 236 当作无符号数时，它汇编后的结果正好也是 EC ，这下皆大欢喜了，虽然汇编器只用一个标准来处理，但是借用了“截断”这个美丽的错误后，得到的结果是符合两个标准的！也就是说，给你一个字节，你想输入有符号的数，比如 -20 那么汇编后的结果是符合有符号数的；如果你输入 236 那么你肯定当作无符号数来处理了（因为236不在一个字节能表示的有符号数的范围内啊），得到的结果是符合无符号数的。于是给大家一个错觉：汇编器有两套标准，会区分有符号和无符号，然后分别汇编。其实，你们被骗了。:-)

二、存在两套指令！

第一点说明汇编器只用一个方法把整数字面量汇编成真正的机器数。但并不是说计算机不区分有符号数和无符号数，相反，计算机对有符号和无符号数区分的十分清晰，因为计算机进行某些同样功能的处理时有两套指令作为后备，这就是分别为有符号和无符号数准备的。但是，这里要强调一点，一个数到底是有符号数还是无符号数，计算机并不知道，这是由你来决定的，当你认为你要处理的数是有符号的，那么你就用那一套处理有符号数的指令，当你认为你要处理的数是无符号的，那就用处理无符号数的那一套指令。加减法只有一套指令，因为这一套指令同时适用于有符号和无符号。下面这些指令：mul div movzx … 是处理无符号数的，而这些：imul idiv movsx … 是处理有符号的。
举例来说：
内存里有 一个字节x 为：0x EC ，一个字节 y 为：0x 02 。当把x，y当作有符号数来看时，x = -20 ，y = +2 。当作无符号数看时，x = 236 ，y = 2 。下面进行加运算，用 add 指令，得到的结果为：0x EE ，那么这个 0x EE 当作有符号数就是：-18 ，无符号数就是 238 。所以，add 一个指令可以适用有符号和无符号两种情况。（呵呵，其实为什么要补码啊，就是为了这个呗，:-)）
乘法运算就不行了，必须用两套指令，有符号的情况下用imul 得到的结果是：0x FF D8 就是 -40 。无符号的情况下用 mul ，得到：0x 01 D8 就是 472 。(参看文后附录2例程)

三、可爱又可怕的c语言。

为什么又扯到 c 了？因为大多数遇到有符号还是无符号问题的朋友，都是c里面的 signed 和 unsigned 声明引起的，那为什么开头是从汇编讲起呢？因为我们现在用的c编译器，无论gcc 也好，vc6 的cl 也好，都是将c语言代码编译成汇编语言代码，然后再用汇编器汇编成机器码的。搞清楚了汇编，就相当于从根本上明白了c，而且，用机器的思维去考虑问题，必须用汇编。（我一般遇到什么奇怪的c语言的问题都是把它编译成汇编来看。）

C 是可爱的，因为c符合kiss 原则，对机器的抽象程度刚刚好，让我们即提高了思维层面（比汇编的机器层面人性化多了），又不至于离机器太远（像c# ，java之类就太远了）。当初K&R 版的c就是高级一点的汇编……:-)

C又是可怕的，因为它把机器层面的所有的东西都反应了出来，像这个有没有符号的问题就是一例（java就不存在这个问题，因为它被设计成所有的整数都是有符号的）。为了说明它的可怕特举一例：

#include <stdio.h> 
#include <string.h> 

int main()
{
    int x = 2; 
    char * str = "abcd"; 
    int y = (x - strlen(str) ) / 2;

    printf("%d\n",y);
}

结果应该是 -1 但是却得到：2147483647 。为什么?因为strlen的返回值，类型是size_t，也就是unsigned int ，与 int 混合计算时有符号类型被自动转换成了无符号类型，结果自然出乎意料。。。
观察编译后的代码，除法指令为 div ，意味无符号除法。
解决办法就是强制转换，变成 int y = (int)(x - strlen(str) ) / 2; 强制向有符号方向转换（编译器默认正好相反），这样一来，除法指令编译成 idiv 了。
我们知道，就是同样状态的两个内存单位，用有符号处理指令 imul ，idiv 等得到的结果，与用 无符号处理指令mul，div等得到的结果，是截然不同的！所以牵扯到有符号无符号计算的问题，特别是存在讨厌的自动转换时，要倍加小心！（这里自动转换时，无论gcc还是cl都不提示！！！）

为了避免这些错误，建议，凡是在运算的时候，确保你的变量都是 signed 的。

四、c的做法。

对于有符号和无符号的处理上，c语言层面做的更“人性化”一些。比如在声明变量的时候，c 有signed 和 unsigned 前缀来区别，而汇编呢，没有任何区别，把握全在你自己，比如：你想在一个字节中输入一个有符号数，那么这个数就别超过 -128 ~ +127 ，想输入无符号数，要保证数值在 0~255 之间。如果你输入了 236 ，你还要说你输入的是有符号数，那么你肯定错了，因为有符号数236至少要两个字节来存放（为00 EC），不要小看了那一个字节的00，在有符号乘法下，两个字节的00 EC 与 一个字节的EC，在与同样一个数相乘时，得到的结果是截然不同的！！！

我们来看下具体的列子（用vc6的cl编译器生成）：

C语言 编译后生产的汇编语言

       char x;
       unsigned char y;
       int z;

       x = 3;
       y = 236;

       z = x*y;
       ……       
       ……
       _x$ = -4
       _y$ = -8
       _z$ = -12
       …… 
       mov BYTE PTR _x$[ebp], 3
       mov BYTE PTR _y$[ebp], 236     

       movsx    eax, BYTE PTR _x$[ebp]
       mov ecx, DWORD PTR _y$[ebp]
       and ecx, 255 

       imul eax, ecx
       mov DWORD PTR _z$[ebp], eax

我们看到，在赋值的时候（绿色部分），汇编后与本文第一条论述相同，是否有符号把握全在自己，c比汇编做的更好这一点没有得到体现，这也可以理解，因为c最终要被编译成汇编，汇编没有在变量声明时区分有无符号这一功能，自然，c也没有办法。但既然c提供了signed和unsigned声明，汇编后，肯定有代码体现这一点，表格里的红色部分就是。对有符号数x他进行了符号扩展，对无符号y进行了零扩展。这里为了举例的方便，进行了有符号数和无符号数的混合运算，实际编程中要避免这种情况。

（完）

附录：

1．计算机对有符号整数的表示只采取一套编码方式，不存在正数用原码，负数用补码这用两套编码之说，大多数计算机内部的有符号整数都是用补码，就是说无论正负，这个计算机内部只用补码来编码！！！只不过正数和0的补码跟他原码在形式上相同，负数的补码在形式上与其绝对值的原码取反加一相同。

1. 两套乘法指令结果例程：

;; 程序存储为 x.s

extern printf 
global main 

section .data
    str1: db "%x",0x0d,0x0a,0 
    n: db 0x02
section .text 
main: 
    xor eax,eax
    mov al, 0xec
    mul byte [n] ;有符号乘法指令为: imul

    push eax
    push str1
    call printf 

    add esp,byte 4 
    ret 

编译步骤：
1. nasm -felf x.s
2. gcc x.o

ubuntu7.04 下用nasm和gcc编译通过。结果符合文章所述

引用另外部分内容：

有符号数与无符号数之间运算问题

这个问题测试是否懂得C语言中的整数自动转换原则，有些开发者懂得极少这些东西。当表达式中存在有符号类型和无符号类型时所有的操作数都自动转换为无符号类型。因此，从这个意义上讲，无符号数的运算优先级要高于有符号数，这一点对于应当频繁用到无符号数据类型的嵌入式系统来说是丰常重要的。
首先进行一个实验，分别定义一个signed int型数据和unsigned int型数据，然后进行大小比较：
unsigned int a=20;
signed int b=-130;
a>b?还是b>a？实验证明b>a，也就是说－130>20,为什么会出现这样的结果呢？
这是因为在C语言操作中，如果遇到无符号数与有符号数之间的操作，编译器会自动转化为无符号数来进行处理，因此a＝20，b＝4294967166，这样比较下去当然b>a了。
再举一个例子：
unsigned int a=20;
signed int b=-130;
std::cout<结果输出为4294967186，同样的道理，在运算之前，a＝20，b被转化为4294967166，所以a＋b＝4294967186
减法和乘法的运算结果类似。

如果作为signed int型数据的b=-130，b与立即数之间操作时不影响b的类型，运算结果仍然为signed int型：
signed int b=-130;
std::cout<输出为-100。

而对于浮点数来说，浮点数（float，double）实际上都是有符号数，unsigned 和signed前缀不能加在float和double之上，当然就不存在有符号数根无符号数之间转化的问题了。