《鸟哥的Linux 私房菜 基础学习篇（第三版）》——0.3 数据表示方式

原文链接： https://yq.aliyun.com/articles/105885

本节书摘来自异步社区《鸟哥的Linux 私房菜 基础学习篇（第三版）》一书中的第0章，第0.3节，作者：鸟哥著，更多章节内容可以访问云栖社区“异步社区”公众号查看

0.3　数据表示方式

鸟哥的Linux 私房菜 基础学习篇（第三版）
事实上我们的计算机只认识0与1，记录的数据也是只能记录0与1而已，所以计算机常用的数据是二进制的。但是我们人类常用的数值运算是十进制，文字方面则有非常多的语言，常用的语言就有英文、中文（又分繁体与简体中文）、日文等。那么计算机如何记录与显示这些数值/文字呢？就得要通过一系列的转换才可以啦！下面我们就来谈谈数值与文字的编码系统。

0.3.1　数字系统
早期的计算机使用的是利用通电与否的特性的真空管，如果通电就是1，没有通电就是0，后来沿用至今，我们称这种只有0/1的环境为二进制，英文称为Binary。所谓的十进制指的是逢十进一位，因此在个位数归为零而十位数写成1。所以所谓的二进制，就是逢二就进一位的意思。

那二进制怎么用呢？我们先以十进制来解释好了。如果以十进制来说，3456的意义为：

特别注意：任何数值的零次方为1，所以100的结果就是1。同样，将这个原理带入二进制的环境中，我们来解释一下1101010的数值转为十进制的话，结果如下：

这样你了解二进制的意义了吗？二进制是计算机基础中的基础。了解了二进制后，八进位、十六进制就依此类推。那么知道二进制转成十进制后，如果有十进制数值转为二进制的环境时，该如何计算？刚才是乘法，现在则是除法就对了。我们同样使用十进制的106转成二进制来测试一下，如图0-15所示。

最后的写法就如同上面的箭头所示，由最后的数字向上写，因此可得到1101010的数字。这些数字的转换系统是非常重要的，因为计算机的加减乘除都是使用这些机制来处理。有兴趣的朋友可以再参考一下其他计算机概论的书籍中关于1的补码/2的补码等运算方式。

0.3.2　文字编码系统
既然计算机都只有记录0/1而已，甚至记录的数据都是使用byte/bit等单位来记录的，那么文字该如何记录啊？事实上文本文件也是被记录为0与1而已，而这个文件的内容要被取出来查阅时，必须要经过一个编码系统的处理才行。所谓的“编码系统”可以想成是一个“字码对照表”，它的概念如图0-16所示。

当我们要写入文件的文字数据时，该文字数据会由编码对照表将该文字转成数字后，再存入文件当中。同样，当我们要将文件内容的数据读出时，也会经过编码对照表将该数字转成对应的文字后再显示到屏幕上。现在你知道为何浏览器上面如果编码写错时会出现乱码了吗？这是因为编码对照表写错，导致对照的文字产生误差之故。

常用的英文编码表为ASCII系统，这个编码系统中，每个符号（英文、数字或符号等）都会占用1B的记录，因此总共会有28=256种变化。至于中文当中的编码系统，目前最常用的就是big5（简体则是gb2312）这个编码表了。每个中文字会占用2B，理论上最多可以有2的16次方=65536，即最多可达6万多个中文字。但是因为big5编码系统并非将所有的位都拿来运用成为对照，所以并非可显示这么多的中文字码的。目前big5仅定义了一万三千多个中文字，很多繁体中文利用big5是无法成功显示的，所以才会有造字程序之说。

big5码的中文编码对于某些数据库系统来说是很有问题的，某些字码例如“许、盖、功”等字，由于这几个字的内部编码会被误判为单/双引号，写入时还不成问题，在读出数据的对照表时，经常就会变成乱码。不只中文字，其他非英语系国家也常常会有这样的问题出现。

为了解决这个问题，由国际组织ISO/IEC制订了所谓的Unicode编码系统，即我们常常称呼的UTF8或统一码。因为这个编码系统打破了所有国家的不同编码，因此目前应用较多所以各位亲爱的朋友，记得将你的编码系统修订一下。