在有符号字符上按位与

Question

我有一个文件已读入数据类型为signed char 的数组中。我无法改变这个事实。

我现在想这样做：!((c[i] & 0xc0) & 0x80) 其中c[i] 是签名字符之一。

现在，我从C99 standard 的第 6.5.10 节知道“[按位与] 的每个操作数都应具有整数类型。”

C99 规范的第 6.5 节告诉我：

一些运算符（一元运算符 ~ 和二元运算符 > 、 & 、 ^ 和 | ， 统称为按位运算符）应具有整数类型的操作数。 这些运算符返回 取决于整数内部表示的值，以及 因此对于签名类型具有实现定义的方面。

我的问题有两个：

• 由于我想使用文件中的原始位模式，如何将我的 signed char 转换/转换为 unsigned char 以使位模式保持不变？

• 在任何地方（比如 MVSC 和 GCC）是否有这些“实现定义的方面”的列表？

或者您可以采取不同的路线，并争辩说对于c[i] 的任何值，这对于有符号和无符号字符都会产生相同的结果。

我自然会奖励参考相关标准或权威文本，劝阻“知情”猜测。

Answer 1

正如其他人指出的那样，您的实现很可能是基于二进制补码的，并且会给出您期望的结果。

但是，如果您担心涉及有符号值的操作的结果，并且您只关心位模式，只需直接转换为等效的无符号类型即可。结果在标准下定义：

---

6.3.1.3 有符号和无符号整数

1. ...

2. 否则，如果新类型是无符号的，则通过重复添加或转换值 比新类型可以表示的最大值减一 直到值在新类型的范围内。

---

这实质上是指定结果将是值的二进制补码表示。

对此的基础是，在二进制补码数学中，计算结果是以 2 的某个幂为模（即类型中的位数），这反过来又完全等同于屏蔽相关的位数。一个数的补码是从 2 的幂中减去的数。

因此，添加一个负值与添加任何与该值相差 2 的幂的倍数的值相同。

即：

        (0 + signed_value) mod (2^N)
==
      (2^N + signed_value) mod (2^N)
==
  (7 * 2^N + signed_value) mod (2^N)

等等。 （如果你知道模数，那应该是不言而喻的）

因此，如果您有一个负数，加上 2 的幂将使其成为正数 (-5 + 256 = 251)，但底部的“N”位将完全相同 (0b11111011)，并且不会影响数学运算的结果。由于值随后被截断以适合类型，因此即使结果“溢出”，结果也正是您期望的二进制值（即，如果数字一开始是正数，您可能会认为会发生什么 - 这种包装也是明确定义的行为)。

所以在 8 位二进制补码中：

• -5 与 251 相同（即 256 - 5）- 0b11111011
• 如果将 30 和 251 相加，则得到 281。但它大于 256，并且 281 mod 256 等于 25。与 30 - 5 完全相同。
• 251 * 2 = 502. 502 mod 256 = 246. 246 和 -10 都是 0b11110110。

如果你有同样的情况：

unsigned int a;
int b;

a - b == a + (unsigned int) -b;

在幕后，这种转换不太可能用算术实现，并且肯定是从一个寄存器/值到另一个寄存器/值的直接赋值，或者只是完全优化，因为数学没有区分有符号和无符号（解释CPU 标志的数量是另一回事，但这是一个实现细节）。该标准的存在是为了确保实现不会自己做一些奇怪的事情，或者我想，对于一些不使用二进制补码的奇怪架构......

Answer 2

unsigned char UC = *(unsigned char*)&C - 这就是您如何将有符号的C 转换为无符号的并保持“位模式”。因此，您可以将代码更改为以下内容：

!(( (*(unsigned char*)(c+i)) & 0xc0) & 0x80)

说明（附参考文献）：

761 当指向对象的指针转换为指向字符类型的指针时，结果指向对象的最低寻址字节。

1124 当应用于具有 char、unsigned char 或 signed char 类型（或其限定版本）的操作数时，结果为 1。

这两个意味着unsigned char指针指向与原始signed char指针相同的字节。

Answer 3

你似乎有类似的东西：

signed char c[] = "\x7F\x80\xBF\xC0\xC1\xFF";

for (int i = 0; c[i] != '\0'; i++)
{
    if (!((c[i] & 0xC0) & 0x80))
        ...
}

您（正确地）担心signed char 类型的符号扩展。然而，在实践中，(c[i] & 0xC0) 会将带符号的字符转换为（带符号的）int，但& 0xC0 将丢弃更高有效字节中的任何设置位；表达式的结果将在 0x00 .. 0xFF 范围内。我相信，无论您使用符号和幅度、一个补码还是二进制补码二进制值，这都将适用。您获得的特定有符号字符值的详细位模式因底层表示而异；但总体结论是结果将在 0x00 .. 0xFF 范围内是有效的。

这个问题有一个简单的解决方案——在使用之前将c[i] 的值转换为unsigned char：

if (!(((unsigned char)c[i] & 0xC0) & 0x80))

值c[i] 在提升为int 之前转换为unsigned char（或者，编译器可能提升为int，然后强制转换为unsigned char，然后将unsigned char 提升回到int)，并且在& 操作中使用无符号值。

当然，现在的代码只是多余的。使用& 0xC0 后跟& 0x80 完全等同于& 0x80。

如果您正在处理 UTF-8 数据并寻找连续字节，正确的测试是：

if (((unsigned char)c[i] & 0xC0) == 0x80)

Answer 4

“由于我想使用文件中的原始位模式， 如何将我的签名字符转换/转换为无符号字符，以便该位 模式保持不变？”

正如有人在之前对同一主题的问题的回答中已经解释过的那样，任何小整数类型，无论是有符号还是无符号，只要在表达式中使用，都会被提升为 int 类型。

C11 6.3.1.1

"如果一个 int 可以表示原始类型的所有值（如 受宽度限制，对于位域），值转换为 一个整数；否则，它将转换为无符号整数。这些都是 称为整数促销。”

此外，正如在同一个答案中所解释的，整数文字始终是 int 类型。

因此，您的表达式将归结为伪代码(int) & (int) & (int)。这些操作将在三个临时 int 变量上执行，结果将是 int 类型。

现在，如果原始数据包含可能被解释为特定符号表示的符号位的位（实际上这在所有系统上都是二进制补码），您就会遇到问题。因为这些位将在从signed char 提升到int 时保留。

然后按位 & 运算符对每个位执行 AND，无论其整数操作数 (C11 6.5.10/3) 的内容如何，​​无论它是否有符号。如果您在原始签名字符的签名位中有数据，那么它现在将丢失。因为整数字面量（0xC0 或 0x80）将没有设置对应于符号位的位。

解决方案是防止符号位被传输到“临时 int”。一种解决方案是将 c[i] 强制转换为 unsigned char，这是完全明确的 (C11 6.3.1.3)。这将告诉编译器“这个变量的全部内容是一个整数，没有需要关注的符号位”。

更好的是，养成在各种形式的位操作中始终使用无符号数据的习惯。重写表达式的纯粹、100% 安全、符合 MISRA-C 的方法是：

if ( ((uint8_t)c[i] & 0xc0u) & 0x80u) > 0u)

u 后缀实际上强制表达式为 unsigned int，但最好始终强制转换为 预期类型。它告诉代码的读者“我实际上知道自己在做什么，而且我也了解 C 中所有奇怪的隐式提升规则”。

如果我们知道我们的十六进制，(0xc0 & 0x80) 是没有意义的，它总是正确的。并且x & 0xC0 & 0x80 始终与x & 0x80 相同。因此将表达式简化为：

if ( ((uint8_t)c[i] & 0x80u) > 0u)

---

“在任何地方都有这些“实现定义的方面”的列表吗？

是的，C 标准在附录 J.3 中方便地列出了它们。但是，在这种情况下，您遇到的唯一实现定义的方面是整数的符号实现。在实践中，它总是二进制补码。

编辑： 问题中引用的文本涉及各种按位运算符将产生实现定义的结果。即使在没有确切参考的附录中，这也只是简单地提到了实现定义。实际的第 6.5 章对 & | 的 impl.defined 行为没有多说。等等。唯一明确提到它的运算符是 >，其中左移负数甚至是未定义的行为，但右移是实现定义的。