字符编码--笔记

一、原码、反码、补码

• 补码：
  
  1. CPU的减法，通过加法器和补码实现
  2. 溢出（循环）：256-1 与 -1 二进制一样。

• 负数补码计算方法：数值位（符号位外的后7位），取反+1 //不”+1”的话，减法不能成功地变为加法

  1. -128 1000,0000 //-128是人为规定的，从-127而来，也是”+1”的原因之一
  2. -127 1000,0001
  3. -1 1111,1111
  4. 0 0000,0000 //-1 + 1 = 1,0000,0000就会溢出了，因为-1 与 256-1 效果一样
  5. 1 0000,0001
  6. 127 0111,1111

• byte -255[-1, 1]

  1. 原码10000000,1111111//数值位取反–>
  2. 反码11111111,0000000–>+1
  3. 补码1111’1111,0000001
• int -255[-1, -1, -1, 1]
  
  1. 原码1000’0000,0000’0000,0000’0000,1111111–>数值位取反
  2. 反码1111’1111,1111’1111,1111’1111,0000000–>+1
  3. 补码1111’1111,1111’1111,1111’1111,0000001

二、二进制校验码

• 奇偶校验码-奇校验码 和 偶校验码 的统称.

原编码 奇校验 偶校验 0000 0000 1 0000 0 0010 0010 0 0010 1

• 海明校验码-多重奇偶校验检错码

  1. 可以检测任何位出错，并能纠正1位错误
  2. 必须满足：pow(2,k)-1 >= n+k //pow(2,k) (代表2的k次方)

• CRC即 循环冗余校验码–广泛应用于数据通信领域和磁介质存储系统中.

三、字节序、bit序、有效位

字节序： 一个数据单元（多字节）的字节顺序。不必考虑byte内部bit的细节。

• 大，小：权值大，权值小
• 端：开端，左边是开端，左边是低地址，人的思维从左到右，
• Big-Endian
  
  1. 人的习惯。
  2. 权值最大（高）的字节(MSB)放在低地址（端）。
  3. 符号位的判定固定为第一个字节，容易判断正负。
  4. 实例：java,TCP。
• Little-Endian
  
  1. 计算机的习惯。
  2. 权值最小的字节(MSB)放在低地址（端）。
  3. 强制转换数据不需要调整字节内容，1、2、4字节的存储方式一样。
  4. 实例：win7

bit序：一个字节内，bit的顺序。大都是大端序，左大右小，比如TCP中6bits的标志位：

• URG=2^5=32=0x20
• ACK=2^4=16=0x10
• PSH=2^3=8=0x08
• RST=2^2=4=0x04
• SYN=2^1=2=0x02
• FIN=2^0=1=0x01

有效位

• 最低有效位(lsb,least significant bit):
  
  1. lsb指一个二进制数字中的第0位（即最低位，最低权重位，权值为2^0）
  2. LSB(the Least Significant Byte),多字节序列中具有最大权重的字节。
• 最高有效位(msb,Most Significant Byte)
  
  1. lsb的反面。
  2. LSB的反面

Unicode & UTF-8

• Unicode (uniqueness code) 唯一码。是个字符集，是内存中的值
• UTF-8，以字节为单位对Unicode进行编码。
  
  1. “汉”的Unicode编码是0x6C49, 在0x0800-0xFFFF之间，使用3字节模板了：1110xxxx 10xxxxxx 10xxxxxx
  2. 0x6C49对应的二进制：0110 1100 0100 1001， 依次代替3字模板中的x，得到：11100110 10110001 10001001，即E6 B1 89。

Unicode编码(十六进制) UTF-8 字节流(二进制) 000000-00007F 0xxxxxxx //兼容ASCII的前127位 000080-0007FF 110xxxxx 10xxxxxx //”110”表明：占用2个字节 000800-00FFFF 1110xxxx 10xxxxxx 10xxxxxx 010000-10FFFF 11110xxx10xxxxxx10xxxxxx10xxxxxx

• UTF-16, 以16位无符号整数为单位。略
• UTF-32, 以32位无符号整数为单位。略