在計算機中是以字節為單位，每個地址對應一個字節，一個字節8bit。在C中，除了8bit的char以外，還有16bit的short，32位的int，64位long，當然具體要由編譯器決定，可以通過sizeof來獲取不同類型在內存中占用的字節數。在計算機系統中，當物理單位的長度大于1個字節時，就要區分字節順序。常見的字節順序有兩種：Big Endian(High-byte first)和Litter Endian(Low-byte first)，當然還有其他字節順序，但不常見，例如Middle Endian。
一、最高有效位、最低有效位
要理解Big Endian和Little Endian，首先要搞清楚MSB和LSB。
1、MSB（Most Significant Bit）最高有效位
在一個n位二進制數字中n-1位，也就是最左邊的位。
2、LSB（Least Significant Bit）最低有效位
指最右邊的位。
例如：一個int類型的整型123456789
二進制表達方式：0000 0111 0101 1011 1100 1101 0001 0101(從右向左，每4bit對齊，最左邊(高位)不夠用0補齊)
十六進制表達方式：0 7 5 B C D 1 5
按照上述關于MSB和LSB的意思，在二進制表達方式中，bit從0開始，從右向左，bit0為最低有效位，而bit23為最高有效位。而我們一般稱左邊的0x07為高位字節，0x15為低位字節。
再通俗一點解釋就是：8421碼的，8這端為高位，1這端為低位，相應的字節則分別稱為高位字節和低位字節。
二、內存地址
在內存中，多字節對象都是被存儲為連續的字節序列。例如在C語言中，一個類型為int的變量n，如果其存儲的首個字節的地址為0x1000，那么剩余3個字節的地址將存儲在0x1001~0x1003。總之，不管具體字節順序是以什么方式排列，內存地址的分配一般是從小到大的增長。我們常把0x1000稱為低地址端，把0x1003稱為高地址端。
三、大端和小端
搞清楚MSB、LSB、高位字節、低位字節、內存地址之后，再理解大端和小端，就相當容易了，先看看概念：
小端Little Endian：低字節存放在低地址，低位字節排放在內存的低地址端，高位字節排放在內存的高地址端。
大端Big Endian：高字節存放在低地址，即高位字節排放在內存的低地址端，低位字節排放在內存的高地址端。
以二節中的例子int類型整數123456789為例：
小端在內存中排列：0x15 0xCD 0x5B 0x07 (低位在前)
大端在內存中排列：0x07 0x5B 0xCD 0x15 (高位在前)
從例子中可以看出小端比較符合人的思維，而大端則看上去非常直觀。
注：
1、例子中是假設編譯器支持int為32位的前提下，如果是16位，那大端的排列則為：0xCD 0x15 0x07 0x5B。
2、大小端一般是由CPU架構決定，常見的Intel、AMD的CPU使用的是小端字節序，而PowerPC使用的是大端字節序，有些ARM處理器還可以選擇用大端還是小端模式，具體請自行查閱。
3、c#中，字節序跟編譯平臺所在的CPU相關，例如在Intel x86 CPU架構的windows平臺中，c#采用的小端序。而Java由于其JVM屏蔽了不同CPU架構導致的字節序差異，所以默認采用大端字節序。所以，大小端模式是由CPU決定，而編譯器又可能會改變這種模式。
| 字節序 | 內存地址 | int（16bit） | int（32bit） | 特點 | | 小端 | 0x1001,0x1002,0x1003,0x1004 | 0x15 0xCD 0x5B 0x07 | 0x15 0xCD 0x5B 0x07 | 低地址端存儲低位字節，低位在前 | | 大端 | 0x1001,0x1002,0x1003,0x1004 | 0xCD 0x15 0x07 0x5B | 0x07 0x5B 0xCD 0x15 | 低地址端存儲高位字節，高位在前 |
四、網絡字節序和主機字節序
網絡字節序(Network Order)：TCP/IP各層協議將字節序定義為Big Endian，因此TCP/IP協議中使用的字節序通常稱之為網絡字節序。
主機字節序(Host Order)：整數在內存中保存的順序，它遵循Little Endian規則（不一定，要看主機的CPU架構）。所以當兩臺主機之間要通過TCP/IP協議進行通信的時候就需要調用相應的函數進行主機序列(Little Endian)和網絡序(Big Endian)的轉換。
如果是做跨平臺開發時，雙方需要協商好字節序，然后根據程序運行的環境，確定是否需要字節序轉換。
例如約定的通訊字節序位Big Endian，默認的windows采用的Little Endian，那收到數據后就需要做轉換操作。
五、C#位操作符
這里簡單記錄一下C#的位操作符，方便以后自己查閱，也方便理解后面的講解。
1、按位與&
1&0為0；0&0為0；1&1為1。
2、按位或|
1|0為1；0|0為0；1|1為1。
3、按位取反~
~1為0；~0為1。
4、按位異或^
1^1為0；0^0為0；1^0為1。相等得0，相異等1。
5、左移<<
位左移運算，將整個數向左移若干位，左移后空出的部分用0補齊。
6、右移>>
位右移運算，將整個數向右移若干位，右移后空出的部分用0補齊。
六、C#中關于大端和小端的轉換
1、重復輪子- using System;
- namespace Framework.NetPackage.Common
- {
- /// <summary>
- /// 字節序轉換輔助類
- /// </summary>
- public static class Endian
- {
- public static short SwapInt16(this short n)
- {
- return (short)(((n & 0xff) << 8) | ((n >> 8) & 0xff));
- }
- public static ushort SwapUInt16(this ushort n)
- {
- return (ushort)(((n & 0xff) << 8) | ((n >> 8) & 0xff));
- }
- public static int SwapInt32(this int n)
- {
- return (int)(((SwapInt16((short)n) & 0xffff) << 0x10) |
- (SwapInt16((short)(n >> 0x10)) & 0xffff));
- }
- public static uint SwapUInt32(this uint n)
- {
- return (uint)(((SwapUInt16((ushort)n) & 0xffff) << 0x10) |
- (SwapUInt16((ushort)(n >> 0x10)) & 0xffff));
- }
- public static long SwapInt64(this long n)
- {
- return (long)(((SwapInt32((int)n) & 0xffffffffL) << 0x20) |
- (SwapInt32((int)(n >> 0x20)) & 0xffffffffL));
- }
- public static ulong SwapUInt64(this ulong n)
- {
- return (ulong)(((SwapUInt32((uint)n) & 0xffffffffL) << 0x20) |
- (SwapUInt32((uint)(n >> 0x20)) & 0xffffffffL));
- }
- }
- }
2、BCL庫支持的函數
System.Net.IPAddress.HostToNetworkOrder、System.Net.IPAddress.NetworkToHostOrder，這兩個函數的內部實現和上面重復輪子原理一模一樣。
七、關于負數
在計算機中，負數以其絕對值的補碼形式表示，不明白可以查閱九中貼出的相關資源。關于負數的字節序跟一般整數的字節序處理沒有任何區別。
八、關于漢字編碼以及與字節序的關系
1、對于gb2312、gbk、gb18030、big5，其編碼某個漢字產生的字節順序，由其編碼方案本身決定，不受CPU字節序的影響。其實這幾種編碼的字節序和大端模式的順序是一致的。
在使用GB2312的程序通常采用EUC儲存方法，以便兼容于ASCII。瀏覽器編碼表上的“GB2312”，通常都是指“EUC-CN”表示法。
每個漢字及符號以兩個字節來表示。第一個字節稱為“高位字節”，第二個字節稱為“低位字節”。
“高位字節”使用了0xA1-0xF7（把01-87區的區號加上0xA0），“低位字節”使用了0xA1-0xFE（把01-94加上0xA0）。
由于一級漢字從16區起始，漢字區的“高位字節”的范圍是0xB0-0xF7，“低位字節”的范圍是0xA1-0xFE，占用的碼位是72*94=6768。其中有5個空位是D7FA-D7FE。
例如“啊”字在大多數程序中，會以兩個字節，0xB0（第一個字節）0xA1（第二個字節）儲存。（與區位碼對比：0xB0=0xA0+16,0xA1=0xA0+1）。
2、UTF-8
UTF-8和gb系列編碼一樣，其編碼某個漢字產生的字節順序，由其編碼方案決定，不受CPU字節序的影響。無論一個漢字有多少個字節，它的字節序與編碼順序保持一致。
例如漢字”嚴”利用utf8編碼過程：
1、已知“嚴”的unicode編碼是4E25（100111000100101），根據utf8規則可以得知其utf8編碼需要三個字節。
即格式是“1110xxxx 10xxxxxx 10xxxxxx”
第一個字節前三位表示了字符“嚴”被編碼成utf8后的編碼長度，有多長，則從左開始填多少個1，如果只有1個字節，則第一個位為0。
對于編碼后大于1個字節的符號，第一個字節的第四位為0，其他字節前兩位均要求為10。
2、從”嚴“的最后一個二進制位開始，依次從后向前填入格式中的x，多出的位補0。這樣就得到了“嚴”的utf8編碼為“11100100 10111000 10100101”，轉換成十六進制就是E4B8A5。
編碼示例過程參考的原文：http://m.afoofa.cn/thread-1454-1-1.html
從上述過程可以看到，utf8的字節序已經由其編碼方案決定，不受CPU字節序影響。
3、Unicode
Unicode只是一個符號集，它只規定了符號的二進制代碼，卻沒有規定這個二進制代碼應該如何存儲。所以他沒有要求如何存儲編碼后的字節，也就受CPU字節序的影響。
Unicode的具體實現包括UTF-16、UTF-32（當然也包括UTF-8，但由于其編碼方式和編碼后的字節序與其他Unicode編碼實現有較大區別，所以單獨拿出來講解的）。
4、總結
1、網絡通訊
在實際的網絡通訊中，網絡協議例如TCP是規定網絡字節序（Network Order）是大端。而針對漢字具體使用什么編碼，通訊雙方要么提前約定好，要么就需要在數據包中標識好漢字具體使用的編碼。
如果在網絡通訊中，涉及例如UTF16這樣區分大小端的編碼，除非按網絡協議要求采用大端模式是，否則也要事先約定好，或者在數據包中標識好使用的字節序模式。
2、文件
文件的也會存儲漢字，當然也要進行編碼。如果采用UTF-16這樣的有字節序模式區分的編碼，編碼規則要求可以在文件頭部的BOM（Byte Order Mark）來標記。如果沒有標記，除非事先知道字節序的模式，否則只能大小端都試一遍。
Unicode規范中推薦的標記字節順序的方法是BOM。BOM不是“Bill Of Material”的BOM表，而是Byte Order Mark。BOM是一個有點小聰明的想法：
在Unicode編碼中有一個叫做”ZERO WIDTH NO-BREAK SPACE”的字符，它的編碼是FEFF。而FEFF在Unicode中是不存在的字符，所以不應該出現在實際傳輸中。UCS（Unicode的學名）規范建議我們在傳輸字節流前，先傳輸字符“ZERO WIDTH NO-BREAK SPACE”。
這樣如果接收者收到FEFF，就表明這個字節流是Big-Endian的；如果收到FFFE，就表明這個字節流是Little-Endian的。因此字符“ZERO WIDTH NO-BREAK SPACE”又被稱作BOM。
UTF-8不需要BOM來表明字節順序，但可以用BOM來表明編碼方式。字符“ZERO WIDTH NO-BREAK SPACE”的UTF-8編碼是EF BB BF。所以如果接收者收到以EF BB BF開頭的字節流，就知道這是UTF-8編碼了。
【必讀】版權免責聲明
1、本主題所有言論和內容純屬會員個人意見，與本論壇立場無關。2、本站對所發內容真實性、客觀性、可用性不做任何保證也不負任何責任，網友之間僅出于學習目的進行交流。3、對提供的數字內容不擁有任何權利，其版權歸原著者擁有。請勿將該數字內容進行商業交易、轉載等行為，該內容只為學習所提供，使用后發生的一切問題與本站無關。 4、本網站不保證本站提供的下載資源的準確性、安全性和完整性;同時本網站也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的損失或傷害。 5、本網站所有軟件和資料均為網友推薦收集整理而來，僅供學習用途使用，請務必下載后兩小時內刪除，禁止商用。6、如有侵犯你版權的，請及時聯系我們（電子郵箱1370723259@qq.com）指出，本站將立即改正。
|
