计算机组成原理：二进制编码

计算机中，有句话叫做“程序=算法+数据结构”。如果对应到组成原理或者说硬件层面，算法就是各种“计算机指令”，书籍结构就是“二进制数据”。

众所周知，现代计算机都是用0和1组成的二进制，来表示所有的信息。

• 程序指令用到的机器码，是使用二进制表示的
• 存储在内存里面的字符串、整数、浮点数也都是用二进制表示的。

万事万物在计算机里都是 0 和 1，所以呢，搞清楚各种数据在二进制层面是怎么表示的，是我们必备的一课。

理解二进制的“逢二进一”

二进制和我们平时用的十进制，其实并没有什么本质区别，只是平时我们是“逢十进一”，这里变成了“逢二进一”而已。每一位，相比于十进制下的 0～9 这十个数字，我们只能用0 和 1 这两个数字。

字符串的表示，从编码到数字

不仅数值可以用二进制表示，字符乃至更多的新都能用二进制表示。最典型的例子就是字符串。最早字符串只需要使用英文字符，加上数字和一些特殊符号，然后用8位的二进制，就能表示我们日常需要的所有字符了，这个就是我们常说的ASCII码。

ASCII码就好比一个字典，用8位二进制中的128个不同的数，映射到128个不同的字符里。比如，小写字母 a 在 ASCII 里面，就是第 97 个，也就是二进制的 0110 0001，对应的十六进制表示就是 61。而大写字母 A，就是第 65 个，也就是二进制的 0100 0001，对应的十六进制表示就是 41。

在 ASCII 码里面，数字 9 不再像整数表示法里一样，用 0000 1001 来表示，而是用 00111001 来表示。字符串 15 也不是用 0000 1111 这 8 位来表示，而是变成两个字符 1 和 5连续放在一起，也就是 0011 0001 和 0011 0101，需要用两个 8 位来表示。

我们可以看到，最大的32位整数，就是2147483647。如果用整数表示法，只需要32位就能表示了。但是如果用字符串来表示，一共有10个字符，每个字符用8位的话，需要整整80位。比起整数表示法，要多占用空间。

这也是为什么，很多时候我们在存储数据的时候，要采用二进制序列化这样的方式，而不是简单的把数据通过CSV或者JSON，这样的文本格式存储来进行序列化。不管是整数也好，浮点数也好，采用二进制序列化会比存储文本省下不少空间。

ASCII码只表示了128个字符，一开始足以满足需求，毕竟计算机是在美国发明的。然而随着越来越多的国家都用上了计算机，想表示比如中文这样的文本，128个字符显然是不够用的。于是，计算机工程师们开始各显神通，给自己的国家创建了对应的字符集(charset)和字符编码(character encoding)。

• 字符集，表示的可以是一个字符的集合。比如“中文”就是一个字符集，不过这样描述一个字符集并不准确。想要更精确一点，我们可以说，“第一版《新华字典》里面出现的所有汉字”，这是一个字符集。这样，我们才能明确知道，一个字符在不在这个集合里面。比如，Unicode就是一个字符集，其中包含了150中语言的14万个不同的字符。
• 而字符编码，则是对于这些字符集里的这些字符，怎么用二进制表示出来的一个字典。比如Unicode就可以用UTF-8、UTF-16，UTFP-32等进行编码，存储成二进制。所以，有了Unicode，其实我们可以用不止 UTF-8 一种编码形式，我们也可以自己发明一套 GT-32 编码，比如就叫作 Geek Time 32 好了。只要别人知道这套编码规则，就可以正常传输、显示这段代码。
  
  同样的文本，采用不同的编码存储下来，如果另外一个程序，用一种不同的编码方式来进行解码和展示，就会出现乱码。在中文世界里，最典型的就是“手持两把锟斤拷，口中疾呼烫烫烫”的典故。
• 首先，“锟斤拷”的来源是这样的。如果我们想要用 Unicode 编码记录一些文本，特别是一些遗留的老字符集内的文本，但是这些字符在 Unicode 中可能并不存在。于是，Unicode 会统一把这些字符记录为 U+FFFD 这个编码。如果用 UTF-8 的格式存储下来，
  就是\xef\xbf\xbd。如果连续两个这样的字符放在一起，\xef\xbf\xbd\xef\xbf\xbd，这个时候，如果程序把这个字符，用 GB2312 的方式进行 decode，就会变成“锟斤拷”。这就好比我们用 GB2312 这本密码本，去解密别人用 UTF-8 加密的信息，自然没办法读出有用的信息。
• 而“烫烫烫”，则是因为如果你用了 Visual Studio 的调试器，默认使用 MBCS 字符集。“烫”在里面是由 0xCCCC 来表示的，而 0xCC 又恰好是未初始化的内存的赋值。于是，在读到没有赋值的内存地址或者变量的时候，电脑就开始大叫“烫烫烫”了。

总结

我们可以用二进制编码的方式，表示任意的信息。只要建立起字符集和字符编码，并且得到大家的认同，我们就可以在计算机里面表示这样的信息了