C语言中的位域、字节序、比特序、大小端

1.比特序 / 位序 /  bit numbering / bit endianness

我们知道一个字节有8位，也就是8个比特位。从第0位到第7位共8位。比特序就是用来描述比特位在字节中的存放顺序的。通过阅读网页http://en.wikipedia.org/wiki/Bit_numbering的内容，关于比特序我们得到下面的结论：

（1）比特序分为两种：LSB 0 位序和MSB 0 位序。

     LSB是指 least significant bit，MSB是指 most significant bit。

LSB 0 位序是指：字节的第0位存放数据的least significant bit，即我们的数据的最低位存放在字节的第0位。

MSB 0 位序是指：字节的第0位存放数据的most significant bit，即我们的数据的最高位存放在字节的第0位。

所以说对于代码：char *ch = 0x96;  //  0x96 = 1001 0110

指针ch到底指向哪里呢？不难知道，如果是LSB 0 位序则显然指针ch指向最右边的也是最低位的0.

而如果是MSB 0 位序则显然指针ch指向最左边的也是最高位的1.

LSB 0: A container for 8-bit binary number with the highlighted least significant bit assigned the bit number 0

MSB 0:A container for 8-bit binary number with the highlighted most significant bit assigned the bit number 0

（2）小端CPU通常采用的是LSB 0 位序，但是大端CPU却有可能采用LSB 0 位序也有可能采用的是MSB 0 位序

        (Little-endian CPUs usually employ "LSB 0" bit numbering, however both bit numbering conventions can be seen in big-endianmachines. )

（3）推荐的标准是MSB 0 位序。

        (The recommended style for Request for Comments documents is "MSB 0" bit numbering.)

（4）Bit numbering is usually transparent to the software.

2.大小端和字节序   http://en.wikipedia.org/wiki/Endianess

In computing, the term endian or endianness refers to the ordering of individually addressable sub-components within the representation of a larger data item as stored in external memory (or, sometimes, as sent on a serial connection). Each sub-component in the representation has a unique degree of significance, like the place value of digits in a decimal number. These sub-components are typically 16- or 32-bit words, 8-bit bytes, or even bits. Endianness is a difference in data representation at the hardware level and may or may not be transparent at higher levels, depending on factors such as the type of high level language used.

计算机中，术语“端”是指：在内存中的一个较大的数据，它是由各个可以被单独寻址的部分组成，这些组成部分在该数据中是以怎样的顺序存放的呢？而这个问题涉及到“端”的概念，CPU是大端还是小端决定了这些组成部分的存放顺序。

这些组成部分可能是16或32位的字、8位的字节、甚至是比特位。

The most common cases refer to how bytes are ordered within a single 16-, 32-, or 64-bit word。

我们通常碰到的情况是：字节是以怎样的顺序存放在一个16、32、64位的数据中。

（当我们要存取一个16、32、64位数据的某一组成部分，也就是某一个或几个字节时，就要特别注意机器的“大小端”）

 A big-endian machine stores the most significant byte first, and a little-endian machine stores the least significant byte first.

Endian	First Byte (lowest address)	Middle Bytes	Last Byte (highest address)	Summary
big	most significant	...	least significant	Similar to a number written on paper (in Arabic numerals)
little	least significant	...	most significant	Arithmetic calculation order (see carry propagation)

Examples of storing the value 0A0B0C0Dh in memory

Big-endian

Atomic element size 8-bit, address increment 1-byte (octet)

increasing addresses  →
...	0Ah	0Bh	0Ch	0Dh	...

The most significant byte (MSB) value, which is 0Ah in our example, is stored at the memory location with the lowest address, the next byte value in significance, 0Bh, is stored at the following memory location and so on. This is akin to Left-to-Right reading in hexadecimal order.

Atomic element size 16-bit

increasing addresses  →
...	0A0Bh	0C0Dh	...

The most significant atomic element stores now the value 0A0Bh, followed by 0C0Dh.

Little-endian

Atomic element size 8-bit, address increment 1-byte (octet)

increasing addresses  →
...	0Dh	0Ch	0Bh	0Ah	...

The least significant byte (LSB) value, 0Dh, is at the lowest address. The other bytes follow in increasing order of significance.

Atomic element size 16-bit

increasing addresses  →
...	0C0Dh	0A0Bh	...

The least significant 16-bit unit stores the value 0C0Dh, immediately followed by 0A0Bh. Note that 0C0Dh and 0A0Bh represent integers, not bit layouts (see bit numbering).

很显然“小端”机器符合“高高低低”的原则。及高位字节或字存放在高地址，低位字节或字存放在低地址。

另外“小端”机器中，数据在CPU的寄存器和内存中的存放顺序是一致的。

Byte addresses increasing from right to left

在我们写: 0xFF86 时，很明显地址是从右向左递增的。也就是低位写在右边，高位写在左边。

但是当我们写字符串时：char *str = "Hello world!"，却是低位的字符写在左边，高位的字符写在了右边。

With 8-bit atomic elements:

←  increasing addresses
...	0Ah	0Bh	0Ch	0Dh	...

The least significant byte (LSB) value, 0Dh, is at the lowest address. The other bytes follow in increasing order of significance.（这个明显符合我们的习惯）

With 16-bit atomic elements:

←  increasing addresses
...	0A0Bh	0C0Dh	...

The least significant 16-bit unit stores the value 0C0Dh, immediately followed by 0A0Bh.

The display of text is reversed from the normal display of languages such as English that read from left to right. For example, the word "XRAY" displayed in this manner, with each character stored in an 8-bit atomic element:

←  increasing addresses
...	"Y"	"A"	"R"	"X"	...

（可以看到和我们手写的顺序是相反的，这一点特别要注意！） 

If pairs of characters are stored in 16-bit atomic elements (using 8 bits per character), it could look even stranger:

←  increasing addresses
...	"AY"	"XR"	...

相关的一个C例子：

1. #include <stdio.h>
   
2. #include <stdlib.h>
   
3. #include <string.h>
   
4. int main()
   
5. {
   
6.         char a[] = {'a', 'b', 'c'};
   
7.         char b[] = {'d', 'e', 'f'};
   
8. 
   
9.         a[3] = 0;
   
10.         printf("strlen(a)=%d, strlen(b)=%d\n", strlen(a), strlen(b));
    
11.         printf("a=%s, b=%s\n", a, b);
    
12.         printf("sizeof(a)=%d, sizeof(b)=%d\n", sizeof(a), sizeof(b));
    
13.         return 0;
    
14. }

运行结果：

strlen(a)=3, strlen(b)=6
a=abc, b=defabc
sizeof(a)=3, sizeof(b)=3

分析：

字符数组a和b都分配在栈上，先分配a, 而a中的字符是如何分配的呢？显然因为“写字符串时，低位的字符写在左边，高位的字符写在了右边”。'a'是最低位，'b'在中间，而'c'在最高位。而栈是从高地址从低地址扩展的。假如是小端CPU的话，按照“高高低低”的原则，高位的'c'应该最先分配，接着是'b'，最后是'a'。

分配玩字符数组a之后，在分配字符数组b，同样的道理，高位的'f'应该最先分配，接着是'e'，最后是'd'。

再执行a[3] = 0;显然a[3]的地址应该比'c'字符的地址要高。所以该语句执行玩之后的栈的情况如下：

高地址 <

\0   c   b   a   f   e   d

所以：a字符串打印的结果是：abc，而b字符串打印的结果是:defabc.

strlen函数是计算字符串的长度，当然要找到最后的结束字符'\0'，才停止计算。所以字符串a的长度是3,而字符串b的长度是6.

sizeof并不根据末尾的结束字符来计算大小。

 例子2：

1. #include <stdio.h>
   
2. 
   
3. int main()
   
4. {
   
5.         unsigned long array[] = {0x12345678, 0xabcdef01, 0x456789ab};
   
6.         unsigned short ret;
   
7. 
   
8.         ret = *((unsigned short *)((unsigned long)array+7));
   
9.         printf("0x%x\n", ret);
   
10. 
    
11.         return 0;
    
12. }

在“小端”CPU上结果为：0xabab。在“大端”CPU上应该为：0x0112.

例子3：

1. ＃include <stdio.h>
   
2. #include <stdlib.h>
   
3. int main(void){
   
4.     int a[5]={1,2,3,4,5};
   
5.     int *ptr =(int *)(&a+1);
   
6.     printf("%d,%d\n",*(a+1),*(ptr-1))
   
7.     return 0;
   
8.     
   
9. }

结果为：2，5 （此题与“大小端”无关。）

判断CPU是大端还是小端的方法有有多种：

1. #include <stdio.h>
   
2. #include <assert.h>
   
3. 
   
4. int main()
   
5. {
   
6.     unsigned short x = 0xff01;
   
7. 
   
8.     assert(sizeof(x) >= 2);
   
9.     if(*(char*)&x == 1) //if(char(x) == 1)
   
10.         printf("little-endian\n");
    
11.     else if((char)x > 1)
    
12.         printf("big-endian\n");
    
13.     else
    
14.         printf("unknown\n");
    
15.     return 0;
    
16. }

方法2：

1. #include <stdio.h>
   
2. 
   
3. int main()
   
4. {
   
5.         union{
   
6.                 char c;
   
7.                 int i;
   
8.         }u;
   
9.         u.i = 0x0201;
   
10. 
    
11.         if(u.c == 1)
    
12.                 printf("little-endian\n");
    
13.         else if(u.c == 2)
    
14.                 printf("big-endian\n");
    
15.         else
    
16.                 printf("unknown\n");
    
17.         
    
18.         return 0;
    
19. }

3.C语言中的位域

先看几个例子：

1. #include <stdio.h>
2. union u{
   
3.         struct {
   
4.                 char i:1;
   
5.                 char j:2;
   
6.                 char m:3;
   
7.         } s;
   
8.         char c;
   
9. }r;
10. int main()
    
11. {
12.         r.s.i = 1; // 1
13.         r.s.j = 2; // 10
14.         r.s.m = 3; // 011
    
15.         printf("0x%x\n", r.c);
    
16.         return 0;
    
17. }

gcc -o union union.c

./union

结果：0x1d （== 0001 1101 == 011 10 1）

1. #include <stdio.h>
   
2. 
   
3. union {
   
4.     struct
   
5.     {
   
6.         unsigned char a1:2;
   
7.         unsigned char a2:3;
   
8.         unsigned char a3:3;
   
9.     }x;
   
10.     unsigned char b;
    
11. }d;
    
12. 
    
13. int main(int argc, char* argv[])
    
14. {
    
15.     d.b = 100;   //100 == 0110 0100
16. 
    
17.     printf("0x%x\n0x%x\n0x%x\n", d.x.a1, d.x.a2, d.x.a3);
    
18.     return 0;
    
19. }

gcc -o union2 union2.c

结果：

0x0 （== 00）

0x1 （== 001）

0x3 （== 011）

上面两个例子的运行结果，似乎都说明：小端机器中，位域的低位组成数据的低位，位域的高位组成了数据的高位。

似乎也符合：小端CPU通常采用的是LSB 0 位序 的惯例。

但是这里有意个疑问：在大端CPU中，上面两个例子的结果是什么呢？结果和小端CPU一样吗？结果唯一吗？

因为前面我们说过：“但是大端CPU却有可能采用LSB 0 位序也有可能采用的是MSB 0 位序”