字及字节详解

字节（Byte 发音：/‘bait/）：字节是通过网络传输信息（或在硬盘或内存中存储信息）的单位。

　　在ASCII码中，一个英文字母（不分大小写）占一个字节的空间，一个中文汉字占两个字节的空间。

　　符号：英文标点占一个字节，中文标点占两个字节。举例：英文句号“.”占1个字节的大小，中文句号“。”占2个字节的大小

　　一个二进制数字序列,在计算机中作为一个数字单元,一般为8位二进制数，换算为十进制最小值：0 最大值：255 如一个ASCII码就是一个字节，此类单位的换算为：

　　1 艾字节（EiB,Exbibyte）=1024拍字节（2的60次方字节）

　　（1EiB=1024PiB）

　　

　　1 拍字节（PB,Pebibyte）=1024太字节（2的50次方字节）

　　（1PiB=1024TiB）

　　1太字节（TiB,Tebibyte）=1024吉字节（2的40次方字节）

　　（1TiB=1024GiB）

　　1吉字节（GiB,Gibibyte）=1024兆字节（2的30次方字节）

　　（1GiB=1024MiB）

　　1兆字节（MiB,Mebibyte）=1024千字节（2的20次方字节）

　　（1MiB=1024KiB）

　　1千字节（KiB,Kilibyte）=1024字节（2的10次方字节）（1KiB=1024B）

　　1字节（Byte）= 8位（bit）

　　

　　 注意：MiB和MB，KiB和KB等的区别：

　　　1KB(kilobyte)=1000byte

　　1KiB(kibibyte)=1024byte

　　1MB(megabyte)=1000000byte

　　1MiB(mebibyte)=1048576byte

　　这是因为硬盘生产商是以GB（十进制，即10的3次方=1000，如1MB=1000KB）计算的，而电脑（操作系统）是以GiB(2进制，即2的 10次方， 如1MiB=1024KiB）计算的，但是国内用户一般理解为1MB＝1024 KB, 所以为了便于中文化的理解，翻译MiB为MB 也是可以的。

　　同样根据硬盘厂商与用户对于1MB大小的不同理解，所以好多160G的硬盘实际容量按计算机实际的1MB＝1024KB算都不到160G，这也可以解释为什么新买的硬盘“缺斤短两”并没有它所标示的那么大。

　　注：TiB是现在电脑硬盘最大的存储量单位。10TiB大约等于一个人脑的存储量。

　　更大的单位，还有ZiB（Zebibyte，1ZiB=1024EiB）、YiB（Yobibyte，1YiB=1024ZiB）……

 

容易混淆的概念

字

　　在计算机中，一串数码作为一个整体来处理或运算的，称为一个计算机字，简称字。字通常分为若干个字节(每个字节一般是8位)。在存储器中，通常每个单元存储一个字，因此每个字都是可以寻址的。字的长度用位数来表示。

　　在计算机的运算器、控制器中，通常都是以字为单位进行传送的。字出现在不同的地址其含义是不相同。例如，送往控制器去的字是指令，而送往运算器去的字就是一个数。

字长

　　计算机的每个字所包含的位数称为字长。根据计算机的不同，字长有固定的和可变的两种。固定字长，即字长度不论什么情况都是固定不变的；可变字长，则在一定范围内，其长度是可变的。

　　计算的字长是指它一次可处理的二进制数字的数目。计算机处理数据的速率，自然和它一次能加工的位数以及进行运算的快慢有关。如果一台计算机的字长是另一台计算机的两倍，即使两台计算机的速度相同，在相同的时间内，前者能做的工作是后者的两倍。

　　一般地，大型计算机的字长为32―64位，小型计算机为12―32位，而微型计算机为4一16位。字长是衡量计算机性能的一个重要因素。

字节

　　字节是指一小组相邻的二进制数码。通常是8位作为一个字节。它是构成信息的一个小单位，并作为一个整体来参加操作，比字小，是构成字的单位。

　　在微型计算机中，通常用多少字节来表示存储器的存储容量。

　　1.2 字符，字节，字符串

　　理解编码的关键，是要把字符的概念和字节的概念理解准确。这两个概念容易混淆，我们在此做一下区分：

　　概念描述 举例

　　字符 人们使用的记号，抽象意义上的一个符号。 '1', '中', 'a', '$', '￥', ……

　　字节 计算机中存储数据的单元，一个8位的二进制数，是一个很具体的存储空间。0x01, 0x45, 0xFA, ……

字符串

　　在内存中，如果“字符”是以ANSI编码形式存在的，一个字符可能使用一个字节或多个字节来表示，那么我们称这种字符串为 ANSI 字符串或者多字节字符串。如，"中文123" （占7字节）。

字符集和代码页

　　对于ANSI编码方式，存在不同的字符集（Charset）。同样的字节序列，在不同的字符集下表示的字符不一样。要正确解析一个ANSI字符串，还要选择正确的字符集，否则就可能导致所谓的乱码现象。不同语言版本的操作系统，都有一个默认的字符集。在不指定字符集的情况下，系统会使用此字符集来解析 ANSI 字符串。也就是说，如果我们在简体中文版的Windows下打开了一个由日文操作系统保存的 ANSI 文本文件（仅包含 ANSI 字符串的文本文件），我们看到的将是乱码。但是，如果我们使用Visual Studio之类的带编码选择的文本编辑器打开此文件，并且选择正确的字符集，我们将可以看到它的原貌。注意：简体中文字符集中的繁体字和繁体中文字符集中的繁体字，编码不一定相同（事实证明，似乎是完全不同）。

　　每个字符集都有一个唯一的编号，称为代码页（Code Page）。简体中文（GB2312）的代码页为936，而系统默认字符集的代码页为0，它表示根据系统的语言设置来选择一个合适的字符集。

UNICODE

　　字符串 在内存中，如果“字符”是以在Unicode中的序号存在的，那么我们称这种字符串为Unicode字符串或者宽字节字符串。在Unicode中，每个字符都占两个字节。如，"中文123"（占10字节）。

　　Unicode和ANSI的区别就相当于输入法内的“全角”和“半角”的区别。

　　由于不同 ANSI 编码所规定的标准是不相同的（字符集不同），因此，对于一个给定的多字节字符串，我们必须知道它采用的是哪一种字符集则，才能够知道它包含了哪些“字符”。而对于 UNICODE 字符串来说，不管在什么环境下，它所代表的“字符”内容总是不变的。Unicode 有着统一的标准，它定义了世界上绝大多数的字符的编码，使得拉丁文、数字、简体中文、繁体中文、日文等都能以同一种编码方式保存。