C语言中的位域、字节序、比特序、大小端

1.比特序 /位序 /  bitnumbering / bit endianness

 

我们知道一个字节有8位，也就是8个比特位。从第0位到第7位共8位。比特序就是用来描述比特位在字节中的存放顺序的。通过阅读网页http://en.wikipedia.org/wiki/Bit_numbering的内容，关于比特序我们得到下面的结论：

（1）比特序分为两种：LSB 0 位序和MSB 0 位序。

     LSB是指 leastsignificant bit，MSB是指 most significantbit。

LSB 0 位序是指：字节的第0位存放数据的leastsignificant bit，即我们的数据的最低位存放在字节的第0位。

MSB 0 位序是指：字节的第0位存放数据的most significantbit，即我们的数据的最高位存放在字节的第0位。

 

所以说对于代码：char *ch = 0x96;  //  0x96 = 1001 0110

 

指针ch到底指向哪里呢？不难知道，如果是LSB 0 位序则显然指针ch指向最右边的也是最低位的0.

而如果是MSB 0 位序则显然指针ch指向最左边的也是最高位的1.

LSB 0: A container for 8-bit binary numberwith the highlighted leastsignificant bit assigned the bit number 0

MSB 0:A container for 8-bit binary numberwith the highlighted most significantbit assignedthe bit number 0

（2）小端CPU通常采用的是LSB 0 位序，但是大端CPU却有可能采用LSB0 位序也有可能采用的是MSB0 位序

       (Little-endian CPUsusually employ "LSB 0" bit numbering, however both bit numberingconventions can be seen in big-endianmachines. )

（3）推荐的标准是MSB0 位序。

       (The recommended style for Request forComments documents is "MSB 0" bit numbering.)

（4）Bit numbering is usually transparent tothe software.

2.大小端和字节序   http://en.wikipedia.org/wiki/Endianess

In computing, the term endian or endianness refersto the ordering of individually addressable sub-components within therepresentation of a larger data item as stored in external memory (or,sometimes, as sent on a serial connection). Each sub-component in therepresentation has a unique degree of significance, like the place value of digitsin a decimal number. These sub-components are typically 16- or 32-bit words, 8-bit bytes, or even bits. Endianness isa difference in data representation at the hardware level and may or may not betransparent at higher levels, depending on factors such as the type of highlevel language used.

计算机中，术语“端”是指：在内存中的一个较大的数据，它是由各个可以被单独寻址的部分组成，这些组成部分在该数据中是以怎样的顺序存放的呢？而这个问题涉及到“端”的概念，CPU是大端还是小端决定了这些组成部分的存放顺序。

这些组成部分可能是16或32位的字、8位的字节、甚至是比特位。

The most commoncases refer to how bytes are ordered within a single 16-, 32-, or 64-bit word。

我们通常碰到的情况是：字节是以怎样的顺序存放在一个16、32、64位的数据中。

（当我们要存取一个16、32、64位数据的某一组成部分，也就是某一个或几个字节时，就要特别注意机器的“大小端”）

 A big-endian machinestores the most significant byte first, and a little-endian machinestores the least significant byte first.

Quick Reference - Byte Machine Example

Endian

First Byte
(lowest address)

Middle Bytes

Last Byte
(highest address)

Summary

big

most significant

...

least significant

Similar to a number written on paper (in Arabic numerals)

little

least significant

...

most significant

Arithmetic calculation order (see carry propagation)

Examples ofstoring the value 0A0B0C0Dh in memory

Big-endian 

Atomic elementsize 8-bit, address increment 1-byte (octet)

increasing addresses  →

...

0Ah

0Bh

0Ch

0Dh

...

The most significantbyte (MSB)value, which is 0Ah in our example, is stored at the memory locationwith the lowest address, the next byte value in significance, 0Bh, isstored at the following memory location and so on. This is akin toLeft-to-Right reading in hexadecimal order.

Atomic elementsize 16-bit

increasing addresses  →

...

0A0Bh

0C0Dh

...

The most significant atomic elementstores now the value 0A0Bh, followed by 0C0Dh.

Little-endian 

Atomic elementsize 8-bit, address increment 1-byte (octet)

increasing addresses  →

...

0Dh

0Ch

0Bh

0Ah

...

The leastsignificant byte (LSB) value, 0Dh, is at the lowestaddress. The other bytes follow in increasing order of significance.

Atomic elementsize 16-bit

increasing addresses  →

...

0C0Dh

0A0Bh

...

The least significant 16-bit unit storesthe value 0C0Dh, immediately followed by 0A0Bh. Notethat 0C0Dh and 0A0Bh represent integers, not bit layouts(see bit numbering).

很显然“小端”机器符合“高高低低”的原则。及高位字节或字存放在高地址，低位字节或字存放在低地址。

另外“小端”机器中，数据在CPU的寄存器和内存中的存放顺序是一致的。

Byte addresses increasing from right toleft

在我们写: 0xFF86时，很明显地址是从右向左递增的。也就是低位写在右边，高位写在左边。

但是当我们写字符串时：char *str = "Hello world!"，却是低位的字符写在左边，高位的字符写在了右边。

With 8-bitatomic elements:

←  increasing addresses

...

0Ah

0Bh

0Ch

0Dh

...

The leastsignificant byte (LSB) value, 0Dh, isat the lowest address. The other bytes follow in increasing order ofsignificance.（这个明显符合我们的习惯）

With 16-bit atomic elements:

←  increasing addresses

...

0A0Bh

0C0Dh

...

The least significant 16-bit unit storesthe value 0C0Dh, immediately followed by 0A0Bh.

The display of text is reversed from thenormal display of languages such as English that read from left to right. Forexample, the word "XRAY" displayed in this manner, with eachcharacter stored in an 8-bit atomic element:

←  increasing addresses

...

"Y"

"A"

"R"

"X"

...

（可以看到和我们手写的顺序是相反的，这一点特别要注意！） 

If pairs of characters are stored in16-bit atomic elements (using 8 bits per character), it could look evenstranger:

←  increasing addresses

...

"AY"

"XR"

...

相关的一个C例子：

1.  #include <stdio.h>

2.  #include <stdlib.h>

3.  #include <string.h>

4.  int main()

5.  {

6.          chara[] = {'a', 'b', 'c'};

7.          charb[] = {'d', 'e', 'f'};

8.   

9.          a[3] = 0;

10.          printf("strlen(a)=%d,strlen(b)=%d\n", strlen(a), strlen(b));

11.          printf("a=%s,b=%s\n", a, b);

12.          printf("sizeof(a)=%d,sizeof(b)=%d\n", sizeof(a), sizeof(b));

13.          return0;

14.  }

运行结果：

strlen(a)=3, strlen(b)=6
a=abc, b=defabc
sizeof(a)=3, sizeof(b)=3

分析：

字符数组a和b都分配在栈上，先分配a,而a中的字符是如何分配的呢？显然因为“写字符串时，低位的字符写在左边，高位的字符写在了右边”。'a'是最低位，'b'在中间，而'c'在最高位。而栈是从高地址从低地址扩展的。假如是小端CPU的话，按照“高高低低”的原则，高位的'c'应该最先分配，接着是'b'，最后是'a'。

分配玩字符数组a之后，在分配字符数组b，同样的道理，高位的'f'应该最先分配，接着是'e'，最后是'd'。

再执行a[3] = 0;显然a[3]的地址应该比'c'字符的地址要高。所以该语句执行玩之后的栈的情况如下：

高地址 <<----低地址

\0  c   b   a   f   e   d

所以：a字符串打印的结果是：abc，而b字符串打印的结果是:defabc.

strlen函数是计算字符串的长度，当然要找到最后的结束字符'\0'，才停止计算。所以字符串a的长度是3,而字符串b的长度是6.

sizeof并不根据末尾的结束字符来计算大小。

 例子2：

1.  #include <stdio.h>

2.   

3.  int main()

4.  {

5.          unsignedlong array[] = {0x12345678, 0xabcdef01, 0x456789ab};

6.          unsignedshort ret;

7.   

8.          ret = *((unsigned short *)((unsigned long)array+7));

9.          printf("0x%x\n", ret);

10.   

11.          return0;

12.  }

在“小端”CPU上结果为：0xabab。在“大端”CPU上应该为：0x0112.

例子3：

1.  ＃include <stdio.h>

2.  #include <stdlib.h>

3.  int main(void){

4.      int a[5]={1,2,3,4,5};

5.      int *ptr =(int *)(&a+1);

6.      printf("%d,%d\n",*(a+1),*(ptr-1))

7.      return 0;

8.      

9.  }

结果为：2，5（此题与“大小端”无关。）

判断CPU是大端还是小端的方法有有多种：

1.  #include <stdio.h>

2.  #include <assert.h>

3.   

4.  int main()

5.  {

6.      unsigned short x = 0xff01;

7.   

8.      assert(sizeof(x) >= 2);

9.      if(*(char*)&x == 1) //if(char(x) == 1)

10.          printf("little-endian\n");

11.      else if((char)x > 1)

12.          printf("big-endian\n");

13.      else

14.          printf("unknown\n");

15.      return0;

16.  }

方法2：

1.  #include <stdio.h>

2.   

3.  int main()

4.  {

5.          union{

6.                  charc;

7.                  int i;

8.          }u;

9.          u.i = 0x0201;

10.   

11.          if(u.c == 1)

12.                  printf("little-endian\n");

13.          else if(u.c == 2)

14.                  printf("big-endian\n");

15.          else

16.                  printf("unknown\n"); 

17.          

18.          return0;

19.  }

3.C语言中的位域

先看几个例子：

1.  #include <stdio.h>

2.  union u{

3.          struct {

4.                  chari:1;

5.                  charj:2;

6.                  charm:3;

7.          } s;

8.          charc;

9.  }r;

10.  int main()

11.  {

12.          r.s.i = 1; // 1

13.         r.s.j = 2; // 10

14.         r.s.m = 3; // 011

15.          printf("0x%x\n", r.c);

16.          return0;

17.  }

gcc -o unionunion.c

./union

结果：0x1d（== 0001 1101 == 011 10 1）

1.  #include <stdio.h>

2.   

3.  union {

4.      struct

5.      {

6.          unsignedchar a1:2;

7.          unsignedchar a2:3;

8.          unsignedchar a3:3;

9.      }x;

10.      unsignedchar b;

11.  }d;

12.   

13.  int main(int argc, char* argv[])

14.  {

15.      d.b = 100;   //100 == 0110 0100

16.   

17.     printf("0x%x\n0x%x\n0x%x\n", d.x.a1, d.x.a2, d.x.a3);

18.      return0;

19.  }

gcc -o union2 union2.c

结果：

0x0 （== 00）

0x1 （== 001）

0x3 （== 011）

上面两个例子的运行结果，似乎都说明：小端机器中，位域的低位组成数据的低位，位域的高位组成了数据的高位。

似乎也符合：小端CPU通常采用的是LSB 0 位序 的惯例。

但是这里有意个疑问：在大端CPU中，上面两个例子的结果是什么呢？结果和小端CPU一样吗？结果唯一吗？

因为前面我们说过：“但是大端CPU却有可能采用LSB 0 位序也有可能采用的是MSB 0 位序”