跳转至

数制、补码、浮点数与字符

同一串位,为什么可以读成 15 或 −1?

把四个比特 1111 当作无符号整数,每一位是 8、4、2、1,合计 15。若按 4 位二进制补码解释,最高位权重变成 −8,其他位仍是 4、2、1,合计 −1。内存里的四个位没有改变,改变的是读取它的约定。

在 4 位补码里,0111 再加 1 得到什么?

低 4 位得到 1000,按补码解释是 −8。数学答案 8 已超出 −8 到 7 的范围,因此发生有符号溢出。

进位制:位置决定权重

\(b\) 进制的 \(n\) 位数可写为:

\[ (d_{n-1}\cdots d_1d_0)_b=\sum_{i=0}^{n-1}d_i b^i. \]

二进制适合两种稳定电平,十六进制则把每 4 位二进制压成一个符号,便于人阅读。比如:

\[ (10110110)_2=(\mathrm{B6})_{16}=182. \]

转换时不要把十六进制当成另一种数据,只是同一位串的紧凑写法。

无符号数与模运算

\(n\) 位无符号数范围为 \(0\) 到 \(2^n-1\)。硬件加法器自然丢弃第 \(n+1\) 位进位,因此运算等价于模 \(2^n\):

\[ (a+b)_{hardware}=(a+b)\bmod 2^n. \]

8 位无符号数中,\(250+10\) 得到 \(4\)。这不是加法器算错,而是结果超出编码范围。

补码为何统一加减法

\(n\) 位补码把负数 \(-x\) 编码为 \(2^n-x\)。因此减法可变成加法:

\[ a-b\equiv a+(2^n-b)\pmod {2^n}. \]

例如 8 位中 \(-5\) 的编码为:

 5        = 00000101
按位取反 = 11111010
再加 1   = 11111011

计算 \(7+(-5)\):

00000111
11111011
---------
00000010   # 最高进位丢弃

补码范围不对称:

\[ -2^{n-1}\le x\le 2^{n-1}-1. \]

所以最小负数没有对应的正数。两个同号数相加却得到异号结果,说明有符号溢出;无符号溢出则看最高位进位,两种判断不能混用。

定点数与浮点数

定点数约定小数点的位置固定。例如,可以把金额 1.23 保存成整数 123,约定单位是分。浮点数采用类似科学记数法的做法,让小数点的位置随指数变化,用有限的位数覆盖更多数量级。

IEEE 754 是常用的浮点算术标准。其中单精度格式用 32 位存一个数,分成 1 位符号 \(s\)、8 位指数编码 \(e\)(阶码)和 23 位小数字段 \(f\)。常见的非零有限值采用首位为 1 的写法,称为正规数,其值为

\[ (-1)^s\times (1.f)_2\times 2^{e-127}. \]

首位的 1 由格式约定,无需实际存储,因此多留出了一位有效精度。指数编码全为零时表示零或靠近零的非正规数。指数编码全为 1 时表示无穷或 NaN(Not a Number),例如浮点运算 0.0 / 0.0 可以得到 NaN。

为什么 0.1 + 0.2 不一定等于 0.3

\(0.1\) 在二进制中是无限循环小数,只能舍入到格式能保存的某个近似值。浮点加法还要先把参与相加的数换成同一指数,类似先把米和厘米换成同一单位,再相加,最后再舍入一次。舍入发生的时刻随运算顺序变化,因此可能出现

\[ (a+b)+c\ne a+(b+c) \]

在浮点计算中完全可能成立。扩大位数会减小误差,但不能消灭有限表示的根本限制。

字符:从字符集到字节编码

字符集回答“每个字符对应哪个码点”,编码回答“码点怎样变成字节”。ASCII 用 7 位覆盖基础英文字符。Unicode 为跨语言字符分配统一码点,UTF-8 再用 1 到 4 个字节变长编码这些码点。

UTF-8 与 ASCII 的前 128 个字符兼容,并让常见英文文本紧凑;代价是“字符数”不等于“字节数”,字符串随机定位更复杂。字形、字符、码点和字节是四个不同层次,乱码通常来自编码契约不一致。

选择表示的权衡

表示 优点 代价与限制
无符号整数 范围全部用于非负数 不能直接表达负数
补码整数 加减硬件统一 范围有限且不对称
定点数 可预测、实现简单 动态范围有限
浮点数 动态范围大 舍入、特殊值、运算非结合
UTF-8 兼容 ASCII、跨语言 变长,字符处理更复杂

自测

  1. 写出 8 位补码中 \(-128\) 与 \(127\) 的编码,解释为何没有 \(+128\)。
  2. 何时应优先用定点数而不是浮点数?
  3. Unicode 码点和 UTF-8 字节序列有什么区别?