1.1 計算機基礎

計算機（Computer）是一種能按照某些預定的程序（這些程序往往體現的是人類的意志）對輸入到其中的信息進行處理，并將處理結果輸出的高度自動化的電子設備。本節將介紹計算機應用的基礎知識，為讀者步入本書后面知識的學習打下基礎。

1.1.1 中央處理器

中央處理器（Central Processing Unit,CPU）是一塊超大規模的集成電路，通常是一臺計算機的運算核心和控制核心，主要包括算術和邏輯單元（Arithmetic and Logic Unit,ALU）和控制器（Control Unit,CU）兩大部件。此外，還包括若干個寄存器和存儲器，以及用于實現它們之間聯系的數據、控制及狀態總線。CPU與內部存儲器和輸入/輸出設備合稱為電子計算機三大核心部件，其功能主要是執行計算機指令以及處理計算機軟件中的數據。計算機的性能在很大程度上由CPU的性能決定，而CPU的性能主要體現在其運行速度上。

1.1.2 比特和字節

1．比特

比特音譯自英文名詞bit。在現實應用中，比特是表示信息量的一種單位。二進制數中的位表示信息量的度量單位，為信息量的最小單位。二進制數中的一位所包含的信息就是1比特，如二進制數0100就是4比特。在計算機應用中，二進制數0和1是構成信息的最小單位，被稱作“位”或“比特”。例如數字化音響中用電脈沖表達音頻信號，“1”代表有脈沖，“0”代表脈沖間隔。如果波形上每個點的信息用4位一組的代碼表示，則稱4比特，比特數越大，表達的模擬信號就越精確，對音頻信號的還原能力就越強。

2．字節

字節（Byte）是計算機信息技術用于計量存儲容量的一種計量單位，有時也表示一些計算機編程語言中的數據類型和語言字符。

在計算機應用中，由若干比特組成1字節。字節由多少比特組成取決于計算機的自身結構。通常來說，微型計算機的CPU多用8位組成1字節，用以表示一個字符的代碼，構成1字節的8位被看作一個整體，字節是存儲信息的基本單位。大多數情況下，計算機存儲單位的換算關系如下所示。

1B=8bit

1KB=1024B

1MB=1024KB

1GB=1024MB

上述關系中各個單位的具體說明如下所示。

? B表示字節。

? bit表示比特。

? KB表示千字節。

? MB表示兆字節。

? GB表示吉字節。

1.1.3 二進制

二進制是計算技術中被廣泛采用的一種數制，是使用0和1兩個數碼來表示數字的數制。二進制的基數為2，進位規則是“逢二進一”，借位規則是“借一當二”，由18世紀德國數理哲學大師萊布尼茨發現。當前的計算機系統使用的基本上是二進制系統，數據在計算機中主要是以補碼的形式存儲的。計算機中的二進制則是一種非常微小的開關，用“開”表示1，用“關”表示0。因為只使用0、1兩個數字符號，所以二進制非常簡單方便，易于用電子方式實現。

下面介紹如何從十進制轉換成二進制。

? 正整數轉換成二進制：轉換原則是除以2取余，然后倒序排列，高位補零。也就是說，將正的十進制數除以2，將得到的商再除以2，依次類推，直到商為0或1時為止，然后在旁邊標出各步的余數，最后倒著寫出來，高位補零即可。例如，為了將十進制數字42轉換為二進制，將42除以2，根據余數得到010101，然后將得到的余數倒著排一下，就會得到數字42對應二進制數是101010。但是因為計算機內部用于表示數的字節單位是定長的，如8位、16位或32位，所以當位數不夠時，需要在高位補零。前面將42轉換成二進制數時得到的結果是6位的101010，在前面缺少兩位，所以將十進制42轉換成二進制的最終結果是00101010。

? 負整數轉換成二進制：轉換原則是先將對應的正整數轉換成二進制，對二進制取反，然后對結果加1。以十進制負整數-42為例，將42的二進制形式（00101010）取反，得到的結果是11010101，然后再加1，結果是11010110。

? 二進制整數轉換成十進制：轉換原則是先將二進制數字補齊位數，首位如果是0，就代表正整數；首位如果是1，則代表負整數。先看首位是0的正整數，補齊位數以后，獲取“n×2m”的計算結果，其中上標“m”表示二進制數字的位數，“n”表示二進制的某個位數。將二進制中的各個位數分別實現“n×2m”計算，然后將計算結果相加，得到的值就為十進制。比如，將二進制1010轉換為十進制的過程如下所示：

二進制 1 0 1 0

補齊位數 0 0 0 0 1 0 1 0

進行“n×2m”計算0×270×260×250×241×230×221×210×20

計算結果 0 0 0 0 8 0 2 0

將各位求和的結果是10。所以，將二進制1010轉換為十進制的結果是10。

如果要轉換的二進制數補足位數后首位為1，表示這個二進制數是負整數。此時就需要先進行取反，再進行換算。例如，二進制數11101011的首位為1，那么先取反，得到-00010100，然后按照上面的計算過程得出10100對應的十進制數為20，所以二進制數11101011對應的十進制數為-20。

1.1.4 編碼格式

1．ASCII格式

美國信息交換標準代碼（American Standard Code for Information Interchange,ASCII）是基于拉丁字母的一套計算機編碼系統，主要用于顯示現代英語和其他西歐語言。ASCII是現今最通用的單字節編碼系統，并等同于國際標準ISO/IEC 646。

一個英文字母（不分大小寫）占1字節的空間，一個中文漢字占2字節的空間。一個二進制數字序列，在計算機中作為一個數字單元，一般為8位二進制數，換算為十進制后，最小值為0，最大值為255。例如，一個ASCII碼就是1字節。

2．Unicode格式

Unicode（又稱統一碼、萬國碼或單一碼）是計算機科學領域里的一項業界標準，包括字符集、編碼方案等。Unicode是為了解決傳統的字符編碼方案的局限性而產生的，它為每種語言中的每個字符設定統一并且唯一的二進制編碼，以滿足跨語言、跨平臺進行文本轉換、處理的要求。

最初的Unicode編碼采用固定長度的16位，也就是2字節代表一個字符，這樣一共可以表示65536個字符。顯然，要表示各種語言中所有的字符，這是遠遠不夠的。Unicode 4.0規范考慮到了這種情況，定義了一組附加字符編碼，附加字符編碼采用兩個16位來表示，這樣最多可以定義1048576個附加字符，在Unicode 4.0規范中只定義了45960個附加字符，在Unicode 5.0版本中已定義的字符有238605個。

Unicode只是一種編碼規范，目前實際實現的Unicode編碼只有3種——UTF-8、UCS-2和UTF-16。這3種Unicode字符集之間可以按照規范進行轉換。

3．UTF-8格式

UTF-8（8-bit Unicode Transformation Format）是一種針對Unicode的可變長度字符編碼，又稱萬國碼。UTF-8由Ken Thompson于1992年創建，現在已經標準化為RFC 3629。UTF-8用1～6字節編碼Unicode字符，用在網頁上，可以統一頁面顯示的中文簡體及其他語言（如英文、日文、韓文）。一個UTF-8英文字符等于1字節。一個UTF-8中文（含繁體）字符，少數占用3字節，多數占用4字節。一個UTF-8數字占用1字節。