计算机中的数据类型究竟是如何表示的？

Question

我是一名阅读 K&R 的初级程序员，我觉得这本书假设了很多以前的知识。让我感到困惑的一个方面是内存中变量的实际表示，或者我应该说存在。数据类型究竟为变量指定了什么？我不太清楚如何表达这个问题......但我会问几个问题，也许有人可以为我想出一个连贯的答案。

当使用 getchar() 时，有人告诉我使用“int”类型比使用“char”类型更好，因为“int”可以保存更多值，而“char”只能保存 256 个值。由于我们可能需要变量来保存 EOF 值，因此我们需要超过 256 个，否则 EOF 值将与 256 个字符之一重叠。在我看来，我认为这是一堆空洞的盒子。有人可以给我一个更好的代表吗？这些“盒子”有索引号吗？当 EOF 与 256 个可用值中的一个值重叠时，我们能否预测它将与哪个值重叠？

另外，这是否意味着数据类型“char”只有在我们只是手动为变量赋值时才可以使用，例如 char c = 'a'，当我们明确知道我们只会有256 个可能的 ASCII 字符？

另外，“char”和“int”之间真正重要的区别是什么？如果我们可以使用“int”类型而不是“char”类型，为什么我们决定在某些时候使用一种而不是另一种呢？是为了节省“内存”（我使用引号，因为我实际上并不知道“内存”究竟是如何工作的）。

最后，char 类型的 256 个可用值究竟是如何获得的？我读了一些关于模 2^n 的东西，其中 n = 8，但为什么它会起作用（与二进制有关？）。 “模2 ^ n”的模部分是什么意思（如果它与模运算有任何关系，我看不到关系......）？

Answer 1

好问题。 K&R 是在对计算机知之甚少的时代写成的，因此程序员对硬件了解得更多。每个程序员都应该熟悉这些东西，但（可以理解）许多初学者并不熟悉。

在卡内基梅隆大学，他们开发了一门完整的课程来填补这一知识空白，我曾担任该课程的助教。我推荐该课的教科书：《计算机系统：程序员的视角》http://amzn.com/013034074X/

您的问题的答案比这里真正涵盖的要长，但我会为您自己的研究提供一些简短的指示。

基本上，计算机将所有信息（无论是在内存 (RAM) 中还是在磁盘上）都以二进制形式存储，即以 2 为基数的数字系统（与以 10 为基数的十进制相对）。一个二进制数字称为位。计算机倾向于使用称为字节的 8 位块的内存。

C 中的一个字符是一个字节。一个 int 通常是四个字节（尽管它在不同的机器上可能不同）。所以一个 char 只能保存 256 个可能的值，即 2^8。一个 int 可以容纳 2^32 个不同的值。

要了解更多，请务必阅读本书，或阅读一些维基百科页面：

• http://en.wikipedia.org/wiki/Binary_numeral_system
• http://en.wikipedia.org/wiki/Twos_complement

祝你好运！

更新按要求提供有关模运算的信息：

首先，阅读模运算：http://en.wikipedia.org/wiki/Modular_arithmetic

基本上，在二进制补码系统中，n 位数实际上表示整数模 2^n 的等价类。

如果这似乎使它变得更复杂而不是更简单，那么要知道的关键事情很简单：

• 一个无符号的 n 位数字保存从 0 到 2^n-1 的值。值“环绕”，例如，当你添加两个数字并得到 2^n 时，你真的得到零。 （这称为“溢出”。）
• 有符号的 n 位数包含从 -2^(n-1) 到 2^(n-1)-1 的值。数字仍然会回绕，但最高的数字会回绕到最负数，并从那里开始向零计数。

因此，无符号字节（8 位数）可以是 0 到 255。255 + 1 环绕为 0。255 + 2 最终为 1，依此类推。有符号字节可以是 -128 到 127。127 + 1 最终为 -128。 (!) 127 + 2 以 -127 结尾，以此类推。

Answer 2

让我感到困惑的一个方面是 实际代表，或者我应该说 存在，内存中的变量。 数据类型具体说明了什么 变量？

在机器级别，int 和char 之间的区别仅在于编程语言为其分配的内存的大小或字节数。在 C、IIRC 中，char 是一个字节，而 int 是 4 个字节。如果您要“查看”机器本身内部的这些，您会看到每个位的序列。能够将它们视为int 或char 取决于语言决定如何解释它们（这也是为什么可以在两种类型之间来回转换的原因）。

当使用 getchar() 时，有人告诉我 最好使用类型“int”而不是 键入“char”，因为“int” 可以保存更多值，而“char”可以 只保存 256 个值。

这是因为 8 位有 2^8 或 256 种组合（因为一个位可以有两个可能的值），而 32 位有 2^32 种组合。 EOF 常量（由 C 定义）是一个负值，不在 0 和 255 的范围内。如果您尝试将此负值分配给 char（这会将其 4 个字节压缩为 1），则高位将丢失，您最终将得到一个与 EOF 不同的有效 char 值。这就是为什么您需要将其存储到 int 中并在转换为 char 之前进行检查。

另外，这是否意味着数据 类型“char”只有在以下情况下才可以使用 我们只是为 a 赋值 手动变量，如 0char c = 'a'，当我们明确知道我们 将只有 256 个可能的 ASCII 字符？

是的，尤其是在这种情况下，您正在分配一个字符文字。

另外，什么是真正重要的 “char”和“int”的区别？ 如果我们可以使用“int”类型而不是 “char”类型，为什么我们决定使用 在某些时候一个又一个？

最重要的是，您可以在语言级别选择int 或char，具体取决于您是将变量视为数字还是字母（要切换，您需要转换为其他类型）。如果你想要一个占用更少空间的整数值，你可以使用short int（我相信它是2个字节），或者如果你真的关心内存使用，你可以使用char，虽然大多数情况下不是这样必要的。

编辑：这里有一个link，描述了C 中的不同数据类型以及可以应用于它们的修饰符。尺寸和数值范围见最后的表格。

Answer 3

基本上，系统内存是一个巨大的位序列，每个位都可以是“开”或“关”。剩下的就是约定和解释。

首先，没有办法直接访问单个位；相反，它们被分组为字节，通常以 8 个为一组（有一些奇异的系统不是这种情况，但你现在可以忽略它），每个字节都有一个内存地址。所以内存中的第一个字节的地址为 0，第二个字节的地址为 1，依此类推。

一个 8 位的字节有 2^8 种可能的不同值，可以解释为 0 到 255 之间的数字（无符号字节），或 -128 和 +127 之间的数字（有符号字节），或ASCII 字符。根据 C 标准，char 类型的变量大小为 1 个字节。

但是字节对于很多事情来说太小了，所以已经定义了其他更大的类型（即它们由多个字节组成），并且 CPU 通过特殊的硬件结构支持这些不同的类型。 int 现在通常是 4 字节（尽管 C 标准没有指定它，并且 int 在不同的系统上可以更小或更大），因为 4 字节是 32 位，直到最近主流 CPU 才支持其“字长” ”。

所以int 类型的变量有 4 个字节大。这意味着当它的内存地址是例如1000，那么它实际上覆盖了地址 1000、1001、1002 和 1003 处的字节。在 C 中，也可以同时寻址这些单独的字节，这就是变量可以重叠的方式。

作为旁注，大多数系统需要较大的类型来“字对齐”，即它们的地址必须是字长的倍数，因为这使硬件更容易。所以不可能有一个 int 变量从地址 999 或地址 17 开始（但 1000 和 16 都可以）。

Answer 4

我不会完全回答你的问题，但我想帮助你理解变量，因为当我开始自己编程时，我在理解变量时遇到了同样的问题。

目前，不要为内存中变量的电子表示而烦恼。将内存视为一个连续的 1 字节单元块，每个单元存储一个位模式（由 0 和 1 组成）。

只看内存，你无法确定其中的位代表什么！它们只是 0 和 1 的任意序列。是您指定如何解释这些位模式！看看这个例子：

int a, b, c;
...
c = a + b;

您也可以编写以下内容：

float a, b, c;
...
c = a + b;

在这两种情况下，变量 a、b 和 c 都存储在内存中的某个位置（您无法分辨它们的类型）。现在，当编译器编译您的代码（即将您的程序翻译成机器指令）时，它会确保在第一种情况下将“+”转换为 integer_add 并在第二种情况下转换为 float_add，因此 CPU 将解释位模式正确并执行您想要的。

变量类型就像眼镜，让 CPU 从不同的角度看一个位模式。

Answer 5

生日，

为了更深入，我强烈推荐 Charles Petzold 的优秀书籍“Code”

它涵盖的内容超出了您的要求，所有这些都有助于更好地了解幕后实际发生的事情。

HTH

Answer 6

确实，数据类型是一种抽象，它允许您的编程语言将某个地址的几个字节视为某种数字类型。将数据类型视为一个镜头，可以让您将一段内存视为 int 或 float。实际上，这对计算机来说只是一点点。

Answer 7

• 在 C 中，EOF 是一个“小负数”。
• 在 C 中，char 类型可能是无符号的，这意味着它不能表示负值。
• 对于无符号类型，当您尝试为其分配负值时，它们将转换为无符号值。如果MAX 是无符号类型可以容纳的最大值，那么将-n 分配给这种类型就相当于将MAX - (n % MAX) + 1 分配给它。因此，要回答您有关预测的具体问题，“是的，您可以”。例如，假设 char 是无符号的，并且可以保存值 0 到 255 （含）。那么将-1 分配给一个char 就相当于将255 - 1 + 1 = 255 分配给它。

鉴于上述情况，要能够将EOF 存储在c 中，c 不能是char 类型。因此，我们使用int，因为它可以存储“小的负值”。特别是，在 C 中，int 保证在-32767 和+32767 范围内存储值。这就是getchar() 返回int 的原因。

另外，这是否意味着数据类型“char”只有在我们只是手动为变量赋值时才可以使用，例如 char c = 'a'，当我们明确知道我们只会有256 个可能的 ASCII 字符？

如果您直接赋值，那么 C 标准保证像 'a' 这样的表达式将适合 char。请注意，在 C 中，'a' 是 int 类型，而不是 char，但可以使用 char c = 'a'，因为 'a' 能够适应 char 类型。

关于变量应该包含什么类型的问题，答案是：使用任何有意义的类型。例如，如果您正在计算或查看字符串长度，则数字只能大于或等于零。在这种情况下，您应该使用无符号类型。 size_t就是这样的类型。

请注意，有时很难弄清楚数据的类型，即使是“专业人士”也可能会犯错误。例如gzip 格式，将未压缩数据的大小存储在文件的最后 4 个字节中。对于大小 > 4GB 的大型文件，这会中断，这在当今相当普遍。

你应该小心你的术语。在 C 中，char c = 'a' 将对应于'a' 的整数值分配给c，但它不必是 ASCII。这取决于您碰巧使用的编码。

关于“模”部分和char 类型的256 个值：如果您在数据类型中有n 二进制位，则每个位可以编码2 个值：0 和1。所以，您有2*2*2...*2 (n 次) 可用值，或 2ⁿ。对于 unsigned 类型，任何溢出都是明确定义的，就好像你将数字除以（最大可能值+1），然后取余数。例如，假设unsigned char 可以存储值0..255（总共256 个值）。然后，将 257 分配给 unsigned char 基本上会将其除以 256，取余数 (1)，然后将该值分配给变量。这种关系只适用于无符号类型。请参阅my answer to another question 了解更多信息。

最后，您可以使用 char 数组从 C 中的文件中读取数据，即使您最终可能会遇到 EOF，因为 C 提供了其他检测 EOF 的方法，而无需在变量中读取它明确的，但稍后您将在阅读有关数组和指针的内容后了解它（如果您对其中一个示例感到好奇，请参阅fgets()）。

Answer 8

根据“stdio.h”getchars()返回值为int，EOF定义为-1。 根据实际编码，可能会出现 0..255 之间的所有值，对于 unsigned char 不足以表示 -1 并使用 int。 这是一张包含详细信息的漂亮表格http://en.wikipedia.org/wiki/ISO/IEC_8859

Answer 9

K&R 的美妙之处在于它的简洁性和可读性，作家总是不得不为自己的目标做出让步；它不是一个 2000 页的参考手册，而是作为基本参考和学习语言的绝佳方式。我推荐 Harbinson 和 Steele "C: A Reference Manual" 作为一本优秀的 C 参考书，了解详细信息，当然还有 C 标准。

你需要愿意用谷歌搜索这些东西。变量在内存中的特定位置表示，并且在给定范围内它们所属的程序是已知的。一个字符通常会存储在 8 位内存中（在一些罕见的平台上这不一定是真的）。 2^8 代表 256 种不同的变量可能性。不同的 CPU/编译器/等代表不同大小的基本类型 int、long。我认为 C 标准可能会为这些指定最小尺寸，但不是最大尺寸。我认为对于 double 它指定至少 64 位，但这并不排除英特尔在浮点单元中使用 80 位。无论如何，32 位 intel 平台上的典型内存大小对于 unsigned/signed int 和 float 为 32 位（4 字节），对于 double 为 64 位（8 字节），对于 char（有符号/无符号）为 8 位。如果您真的对该主题感兴趣，您还应该查找内存对齐。您还可以通过使用“&”运算符获取变量的地址，然后查看该地址，在调试器中查看确切的布局。在查看内存中的值时，英特尔平台可能会让您有些困惑，因此请同时查找小端/大端。我相信堆栈溢出也有一些很好的总结。

Answer 10

一种语言所需的所有字符都由 ASCII 和扩展 ASCII 表示。所以没有超出扩展ASCII的字符。

使用 char 时，有可能会得到垃圾值，因为它直接存储字符，但使用 int 时，它存储字符的 ASCII 值的可能性较小。