字节

字符与字节


ASCII码：一个英文字母（不分大小写）占一个字节的空间，一个中文汉字占两个字节的空间。一个二进制数字序列，在计算机中作为一个数字单元，一般为8位二进制数，换算为十进制。最小值0，最大值255。如一个ASCII码就是一个字节。
 
UTF-8编码：一个英文字符等于一个字节，一个中文（含繁体）等于三个字节。
 
Unicode编码：一个英文等于两个字节，一个中文（含繁体）等于两个字节。
 
符号：英文标点占一个字节，中文标点占两个字节。举例：英文句号“.”占1个字节的大小，中文句号“。”占2个字节的大小。


不同数量级间


数据存储是以10进制表示，数据传输是以2进制表示所以1KB不等于1000B。1KB=1024B=1024；1MB=1024KB=1024×1024B。其中1024=210。
 
1KB（Kibibyte，千字节）=1024B，
 
1MB（Mebibyte，兆字节，简称“兆”）=1024KB，
 
1GB（Gigabyte，吉字节，又称“千兆”）=1024MB，
 
1TB（Terabyte，万亿字节，太字节）=1024GB，
 
1PB（Petabyte，千万亿字节，拍字节）=1024TB，
 
1EB（Exabyte，百亿亿字节，艾字节）=1024PB，
 
1ZB（Zettabyte，十万亿亿字节，泽字节）= 1024EB，
 
1YB（Yottabyte，一亿亿亿字节，尧字节）= 1024ZB，
 
1BB（Brontobyte，一千亿亿亿字节）= 1024YB


B与bit


数据存储是以“字节”（Byte）为单位，数据传输是以“位”（bit）为单位，一个位就代表一个0或1（即二进制），每8个位（bit，简写为b）组成一个字节（Byte，简写为B）。


B与iB


1KB（Kibibyte）=1024byte
 
1KiB（Kilobyte）=1000byte
 
1MB（Mebibyte）=1048576byte
 
1MiB（Megabyte）=1000000byte
 
硬盘生产商是以GiB（十进制，即10的3次方=1000，如1MiB=1000KB）计算的，而电脑（操作系统）是以GB（2进制，即2的10次方， 如1MB=1024KB）计算的，但是国内用户一般理解为1MiB=1024 KB, 所以为了便于中文化的理解，翻译MiB为MB也是可以的。
 
同样根据硬盘厂商与用户对于1MB大小的不同理解，所以好多160G的硬盘实际容量按计算机实际的1MB=1024KB算都不到160G，这也可以解释为什么新买的硬盘“缺斤短两”并没有它所标示的那么大。
 
注：10TB大约等于一个人脑的存储量。
 
[1] 






2数据类型编辑


Byte数据类型（字节型）用一个字节（Byte）储存，可区别256个数字，取值范围：0到255。 Byte是从0-255的无符号类型，所以不能表示负数。具体参照数据类型。

3语言字符

效果等同于 unsigned char型
 
typedef unsigned char BYTE
 
定义一种新类型BYTE，它其实就是unsigned char
 
在VC++中，byte型数据的定义包含在windows.h头文件中，调用byte需要添加代码#include <windows.h>
 
而在java中,byte是一个关键字
 
表示声明了一个整形常量在内容中占用一个字节
 
取值范围是-128~127


4易混概念辨析

字

在计算机中，一串数码作为一个整体来处理或运算的，称为一个计算机字，简称字。字通常分为若干个字节（每个字节一般是8位）。在存储器中，通常每个单元存储一个字，因此每个字都是可以寻址的。字的长度用位数来表示。
 
在计算机的运算器、控制器中，通常都是以字为单位进行传送的。字出现在不同的地址其含义是不相同。例如，送往控制器去的字是指令，而送往运算器去的字就是一个数。

字长


计算机的每个字所包含的位数称为字长。根据计算机的不同，字长有固定的和可变的两种。固定字长，即字长度不论什么情况都是固定不变的；可变字长，则在一定范围内，其长度是可变的。
 
计算的字长是指它一次可处理的二进制数字的数目。计算机处理数据的速率，自然和它一次能加工的位数以及进行运算的快慢有关。如果一台计算机的字长是另一台计算机的两倍，即使两台计算机的速度相同，在相同的时间内，前者能做的工作是后者的两倍。
 
一般地，大型计算机的字长为32-64位，小型计算机为12-32位，而微型计算机为4-16位。字长是衡量计算机性能的一个重要因素。


字节


字节是指一小组相邻的二进制数码。通常是8位作为一个字节。它是构成信息的一个小单位，并作为一个整体来参加操作，比字小，是构成字的单位。
 
在微型计算机中，通常用多少字节来表示存储器的存储容量。
 
例如，在C++的数据类型表示中，通常char为1个字节，int为4个字节，double为8个字节。
 
理解编码的关键，是要把字符的概念和字节的概念理解准确。这两个概念容易混淆，我们在此做一下区分：
 
概念描述 举例
 
字符人们使用的记号，抽象意义上的一个符号。 '1'， '中'， 'a'， '$'， '￥' ……
 
字节计算机中存储数据的单元，一个8位的二进制数，是一个很具体的存储空间。0x01， 0x45， 0xFA……


字符串


在内存中，如果“字符”是以ANSI编码形式存在的，一个字符可能使用一个字节或多个字节来表示，那么我们称这种字符串为ANSI字符串或者多字节字符串。如，"中文123" （占8字节，包括一个隐藏的\0）。


字符集


对于ANSI编码方式，存在不同的字符集（Charset）。同样的字节序列，在不同的字符集下表示的字符不一样。要正确解析一个ANSI字符串，还要选择正确的字符集，否则就可能导致所谓的乱码现象。不同语言版本的操作系统，都有一个默认的字符集。在不指定字符集的情况下，系统会使用此字符集来解析ANSI字符串。也就是说，如果我们在简体中文版的Windows下打开了一个由日文操作系统保存的ANSI文本文件（仅包含ANSI字符串的文本文件），我们看到的将是乱码。但是，如果我们使用Visual Studio之类的带编码选择的文本编辑器打开此文件，并且选择正确的字符集，我们将可以看到它的原貌。注意：简体中文字符集中的繁体字和繁体中文字符集中的繁体字，编码不一定相同（事实证明，似乎是完全不同）。
 
每个字符集都有一个唯一的编号，称为代码页（Code Page）。简体中文（GB2312）的代码页为936，而系统默认字符集的代码页为0，它表示根据系统的语言设置来选择一个合适的字符集。


Unicode


字符串在内存中，如果“字符”是以在Unicode中的序号存在的，那么我们称这种字符串为Unicode字符串或者宽字节字符串。在Unicode中，每个字符都占两个字节。如，"中文123"（占10字节）。
 
Unicode和ANSI的区别就相当于输入法内的“全角”和“半角”的区别。
 
由于不同ANSI编码所规定的标准是不相同的（字符集不同），因此，对于一个给定的多字节字符串，我们必须知道它采用的是哪一种字符集则，才能够知道它包含了哪些“字符”。而对于Unicode字符串来说，不管在什么环境下，它所代表的“字符”内容总是不变的。Unicode 有着统一的标准，它定义了世界上绝大多数的字符的编码，使得拉丁文、数字、简体中文、繁体中文、日文等都能以同一种编码方式保存。

 

注：汉字在GB家族中是双字节，但在UTF-8中却是3字节，所以其编码方式是1110xxxx 10xxxxxx 10xxxxxx UTF-8 使用一至四个字节为每个字符编码。 128 个 ASCII 字符只需一个字节， 带有变音符号的拉丁文、希腊文、西里尔字母、亚美尼亚语、希伯来文、阿拉伯文使用2个字节 其他基本多文种平面（BMP）中的字符（CJK属于此类-Qieqie注）使用3个字节