c - 计算机中的数据类型究竟是如何表示的？

Question

我是一个阅读 K&R 的初级程序员，我觉得这本书好像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。

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”只有在我们简单地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将只有 256 个可能的 ASCII人物？

另外，“char”和“int”之间的实际重要区别是什么？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”是如何工作的）。

最后，这 256 个 char 类型的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（如果它与模算术有任何关系，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，而我是这方面的助教。我推荐该课程的教科书：“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，但我将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——以二进制形式存储，即以 2 为底的数字系统（与以 10 为底的十进制相对）。一个二进制数字称为位。计算机倾向于使用称为字节的 8 位块中的内存。

C 中的 char 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。

更多信息，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！

根据要求更新有关模块化算法的信息：

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。

如果这似乎使它更复杂而不是更少，那么要知道的关键事情很简单：

• 一个无符号的 n 位数保存从 0 到 2^n-1 的值。值“环绕”，例如，当您将两个数字相加并得到 2^n 时，您实际上得到了零。（这称为“溢出”。）
• 有符号的 n 位数保存从 -2^(n-1) 到 2^(n-1)-1 的值。数字仍然环绕，但最高的数字环绕到最负的，并且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 结束，以此类推。

Answer 2

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？

int在机器级别，和之间的区别char只是编程语言为其分配的内存的大小或字节数。在 C、IIRC 中，achar是一个字节，而 anint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）。

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。

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”只有在我们简单地手动为变量赋值时才可以使用，例如 0char c = 'a'，当我们明确知道我们将只有 256 个可能的 ASCII人物？

是的，尤其是在这种情况下，您正在分配一个字符文字。

另外，“char”和“int”之间的实际重要区别是什么？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？

最重要的是，您可以根据是否要将变量视为数字或字母来选择int或char在语​​言级别（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 a 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 a char，尽管大多数情况下这不是必需的。

编辑：这是一个链接，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。有关尺寸和值范围，请参见末尾的表格。

Answer 3

基本上，系统内存是一个巨大的一系列位，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地址为 0，第二个字节地址为 1，以此类推。

一个 8 位字节有 2^8 个可能的不同值，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。每个 C 标准的类型变量的char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来支持这些不同的类型。Anint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”。

所以一个类型的变量int是 4 个字节大。这意味着当它的内存地址是例如 1000 时，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，这就是变量的方式可以重叠。

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 1 字节单元的连续块，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（并且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。

变量类型就像眼镜一样，让 CPU 从不同的角度看一个位模式。

Answer 5

天，

为了更深入，我强烈推荐 Charles Petzold 的优秀书籍“代码”

它涵盖的内容超出了您的要求，所有这些都可以让您更好地了解幕后实际发生的事情。

高温高压

Answer 6

实际上，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，让您将一段内存视为 int 或 float。实际上，这只是计算机的一部分。

Answer 7

• 在 C 中，EOF是一个“小的负数”。
• 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，当您尝试为它们分配负值时，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，则分配-n给这种类型等同于分配MAX - (n % MAX) + 1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，并且可以将值0包含255在内。然后分配-1给一个 char 相当于分配255 - 1 + 1 = 255给它。

鉴于上述情况，为了能够存储EOF，不能是类型。因此，我们使用，因为它可以存储“小的负值”。特别是，在 C 中，保证将值存储在范围和中。这就是为什么返回。cccharintint-32767+32767getchar()int

另外，这是否意味着数据类型“char”只有在我们简单地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将只有 256 个可能的 ASCII人物？

如果您直接赋值，则 C 标准保证表达式 like'a'将适合 a char。请注意，在 C 中，'a'是 type int，而不是 char，但可以这样做char c = 'a'，因为'a'它能够适合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。 gzip例如，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，achar c = 'a'分配一个与 对应的整数值'a'，c但它不必是 ASCII。这取决于您碰巧使用的任何编码。

关于“模”部分和 type 的 256 个值char：如果n数据类型中有二进制位，则每个位可以编码 2 个值：0 和 1。因此，您有2*2*2...*2(n次) 可用值或 2 ⁿ。对于无符号类型，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（总计 256 个值）。然后，分配257给 anunsigned 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。有关更多信息，请参阅我对另一个问题的回答。

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 提供了其他检测方法，EOF而无需在变量中显式读取它，但是稍后您将了解它阅读有关数组和指针的信息（看看fgets()你是否对一个例子感到好奇）。

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。这是一个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” 以获得详细的 C 参考书，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。我确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。所以除了扩展 ASCII 之外没有字符。

使用 char 时，由于它直接存储字符，因此有可能获得垃圾值，但使用 int 时，它存储字符的 ASCII 值的可能性较小。