计算机是如何存储的

计算机：二进制的世界

下面就来聊一聊计算机存储的过程

image

存储
图中模拟计算机存储 0 和 1 的过程，所示的是一个8*8的晶体管方阵，可以将每一个圆点当作看成是一个小电池，当需要存储一串二进制信息时，竖向存选中（1或0），横向输送电量，1就充电（显示红色），0就不充电（显示白色）。
读取
晶体管存电很少，耗电很快（ms），需要多次刷新，在耗尽电量之前进行充电（ns），要保证1还是1（电量大于50%就是1，电量小于50%就是0）。
CPU的赫兹就是每秒刷新多少次
通过计算机能够存储 0 和 1，程序员将世间万物的信息存进了计算机。

十进制转二进制

正数存储
37(10)=3 * 10 ^1 + 7* 10^0 = 32 + 4 + 1=1 * 2^5 + 1 * 2^2 + 1 * 2^0=100101(2)
负数存储
由于计算机只能存储0和1，负号不能存储，负数会以补码形式存储
-37(10) == -100101(2)
小数存储
把十分之一为底的数变成以二分之一为底的数，由于计算机只能存储0和1，小数会以浮点数的形式存储
0.75(10) = 0.5 + 0.25 = 1 * 1/2 + 1 * 1/4 = 0.11(2)
为了方便书写，一般会将二进制数写为十六进制数

将每个字符编号，外国人将每个字符进行了编号0~127共128个ASCII码值。
ASCII美国信息交换标准代码

image

如果你想储存 a，那么就储存 97(10) 对应的二进制
a -> 0110 0001（2） -> 61（16）

如果你想储存字符1，那么就储存 49（10）对应的二进制
1 -> 0011 0001（2） -> 31（16）

为方便书写将二进制转成十六进制

我国制定了常用中文字符集GB 2312 中国国家标准字符集)

而后微软将一些生僻字日韩字符等加入后推出了
GBK字符集

Unicode 字符集

将全球文字统一到一个表里面，包括中日韩文字、藏文、盲文、楔形文字、颜文字:-)、绘文字
第六步：如何将Unicode存到计算机里
Unicode 需要使用 32 位(4字节)来存储字符，他的存储方式如下

//低效率方式
a -> 0000 0000 0000 0000 0000 0000 0110 0001 = 0061
你 -> 0000 0000 0000 0000 0100 1111 0110 0000 = 4F60

由于其表示简单的字符时也使用4个字节，浪费了很多资源，为提高效率，人们开始使用UTF-8，UTF-8是Unicode存到计算机的一种编码方式，它不是字符集，它可以用来表示Unicode标准中的任何字符。

//高效率方式 UTF-8
a -> 01100001
你 -> 11100100 10111101 10100000

像“a”这种较短的字符(小于七位的)，我们可以直接在前面补零表示
像“你”这种长的字符，由于计算机读取时无法弄清楚是存储了一个由两个一字节组成的字符还是一个由两字节组成的字符，解决步骤(UTF-8):
1. 我们从高位依次划分6个字符进行分组，直到分出的组不足6个。即：0100 111101 100000
2. 分别在每一组前面补全读取这一串二进制信息的规则，即：1110XXXX 10XXXXXX 10XXXXXX
3. 1110XXXX：111表示计算机需要读取3个字节，每个字节的开头都是10，10+XXXXXX、10+XXXXXX：所以后两个分组的开头也补上10，说明是和第一个字节一起的，组成一个字符。只有X才是原二进制有效的数据

UTF-8 是一种编码方式，不是字符集，更高效的将Unicode存储到计算机中

JavaScript 使用了 Unicode 字符集，但没有使用 UTF-8 编码
JavaScript使用 UCS-2 编码，因为1995年 UTF-16还没有发明出来，JavaScript也不想使用 UTF-32

ES5 无法表示 \uFFFF之后的字符（如 \u1D306），某些情况下会出bug
语言层面的问题，需要留心。

参考资料