当前位置：首页 > news >正文

学习前置知识第二十天

news 来源：原创 2025/8/27 2:23:35

学习前置知识第二十天
今天要做什么？
1:二进制

2:进制转换关系

3:二进制反汇编

4:常见字符编码

5:什么是编码和解码

6：编码表

一：二进制概述

为什么计算机只能读懂二进制？原因是因为计算机是需要电的，电路设计只有两种状态：
1（真。通电）0（假。未通电），所以计算机中储存的任何文件、接收的任何指令都是由0和1组成的，计算机只能读懂机器语言（二进制）。

进制定义：N进制，由N个符号组成，逢N进1.十进制是由十个符号组成，就一定是0、1、2、3、4、5、6、7、8、9吗？其实并不是，既然是由符号组成，那么十进制也可以是是由A、Y、B、3、4、5、D、9、0、X组成，由什么符号，取决于定义的那个人。

使用0 1计算机逢2进1
使用0-9 逢10 进 1

这是学习视频大佬的自定义格式，定义的十进制前20个表格是这样的：

二：进制转换关系

二进制：0 1

八进制：01234567

十进制：0123456789

十六进制：01234567890ABCDEF

八进制：

换算例子：

3 + 5 =10

10 + 4 = 14 10-4=4

10 * 4 = 10+10+10+10=40

二进制和十六进制转换关系：

例题：

三：二进制反汇编

手写反汇编引擎（后面练习）：
1:根据不同的CPU，找到CPU厂商关于CPU指令相关的标准，根据二进制与汇编指令的对应关系，写出来二进制到汇编代码的转换模块。

2:根据不同的可执行文件，找到对应的格式标准，去解析可执行文件的结构，知道哪一块二进制是代码，哪一块是数据等

四：常见字符编码

字节（Byte）等存储范围使用十六进制表示则为：0-0xFF
字（Word）等存储范围：0-0xFFFF
双字（Doubleword）等存储范围：0-0xFFFF FFFF

原码：1000 0001
最高位为符号位，其余各位为数值本身等绝对值

反码：1111 1110
反码：正数反码与原码相同，负数符号位为1，其余位对原码取反

补码：1111 1111
补码：正数补码与原码相同，负数符号位为1，其余位对原码取反加1

非运算：0就是1、1就是0
1101 1000
0010 0111

左移：各二进制位全部左移若干位，高位丢弃，低位补0

右移：各二进制位全部右移若干位，低位丢弃，高位补0或补符号位

位运算加减乘除
与运算：两个位都为1，结果才为1
and &

1011 0001
1101 1000
1001 0000

或运算：只要有一个为1就为1
1011 0001
1101 1000
1111 1001

异或运算：不一样时则为1
xor^
1011 0001
1101 1000
0110 1001

二进制4+5的运算过程：

1：转换为二进制：0000 0100、0000 0101
2：两者进行异或得出：0000 0001
3: 判断是否存在进位（两者进行与运算）：0000 0100.这里运算结果不为0（二进制：0000 0000）则表示存在进位
4:0000 0001 xor 0000 1000
5:步骤四的结果还需要判断是否存在进位（与运算）：步骤二的结果与步骤一位的步骤三结果-》0000 0001 and 0000 1000 ，得出0000 0000，则表示不存在进位，因此不用向下进行计算，0000 1001 就是最后结果
6:二进制：0000 1001 转换为十进制：9

五：什么是编码和解码？

为二进制服务

因为计算机底层只能储存0和1，称为一个bit，8个bit组成一个字节
所以储存类似于汉字、英文字符、符号字符等内容需要一个编码表，实现从字节到符号等转换。
从显示器上的字符到计算机中的字节称为编码
从计算机上的字节到显示器上的字符称为解码
二进制不用十六进制使用起来方便，所以用十六进制表示码值

六：编码表

1：

127 DEL（delete）删除
水平制表符表示一个TAB键
但是ASCII码表只对美国够用，于是各个国家发明了各种个样的编码方式

西欧国家流行的是ISO 8859-1 和wiindows-1252
ISO 8859-1 虽然号称是标准，但是应用比较早，应用比较广泛的是windows-1252编码，这个编码与ISO 8859-1基本是一样的，区别在于数字128到159

常见编码表 GB2312

美国和西欧字符用一个字节就够了，但中文显然是不够的。

2：

在中国是GB2312、GBK、GB18030、Big5.

中文第一个标准时GB2312，而且GB2312标准主要针对的是简体中文常见字符，包括约7000个汉字，不包括一些罕见词，不包括繁体字。
GB2312固定使用两个字节表示汉字，在这两个字节中，最高位都是1，如果是0，就认为是ASCII字符。

在这两个字节中：
第一个字节的范围是1010 0001（十进制161）到1111 0111（十进制247）
第二个字节范围是1010 0001（十进制161）到1111 1110（十进制254）

3：

常⻅编码表 GBK
GBK建⽴在GB2312的基础上，向下兼容GB2312。也就是说，GB2312编码的字符的⼆进制表示，在GBK编码⾥是完全⼀样的。
GBK增加了⼀万四千多个汉字，共计约21000汉字，其中包括繁体字。
GBK同样使⽤固定的两个字节表示：
第⼀个字节范围是10000001(⼗进制129) 到 11111110(⼗进制254)。第⼆个字节范围是 0100000(⼗进制64) 到 01111110(⼗进制126) 和 10000000(⼗进制128) 到 11111110(⼗进制
254)。

常⻅编码表 Unicode
产⽣原因：
每个国家的各种计算机⼚商都对⾃⼰常⽤的字符进⾏编码，在编码的时候基本忽略了别的国家的字符和编码，甚⾄忽略了同⼀国家的其他计算机⼚商，这样造成的结果就是，出现了太多的编码，且互相不兼容。
Unicode 做了⼀件事，就是给世界上所有字符都分配了⼀个唯⼀的数字编号，这个编号范围从 0x000000到0X10FFFF，包括110多万。
Unicode 中⽂翻译统⼀码。
但⼤部分常⽤字符都在0x0000到0XFFFF之间，即65536个数字之内。
每个字符都有⼀个Unicode编号，这个编号⼀般写成16进制，在前⾯加U+。

UTF-32编码
字符编号的整数⼆进制形式，四个字节但这⾥四个字节的存储会有⼀个⼤⼩端的问题。 “⼤端”称为（Big Endian，BE），'⼩端”称为（Little Endian，LE）

⽐如：

需要注意的是，第二个字节是从64开始的（64属于第一个bit为0的情况，和ASCII的编码重合了），也就是说，第二个字节最高位哦可能是0

如何判断是一个汉字还是一个ASCII字符呢？
汉字是用固定两个字节来表示的，在解析二进制流的时候，如果第一个字节的最高位为1，那么就将下一个字节读进来一起解析为一个汉字，解析完成后，跳到第三个字节继续解析，而不用考虑它的最高位，解析完后，跳到第三个字节继续解析。

所以第二个字节从64开始是不会影响解码的，但第一个字节一定不能以0开头

在四字节编码中：
第一个字节的值从1000 0001（十进制129）1111 1110（十进制254）
第二个字节的值从0011 0000（十进制48）到0011 1001（十进制57）
第三个字节的值从1000 0001（十进制129）到1111 1110（十进制254）
第四个字节的值从0011 0000（十进制48）到0011 1001（十进制57）

解析二进制时，如何判断是两个字节还是四个字节表示一个字符呢？

看第二个字节的范围，如果是48到57就是四个字节表示，因为两个字节编码中第二个字节都比这个大。所以这样综合说明GB18030 兼容GBK，兼容GB2312，兼容ASCII。

编码表汇总
ASCII是基础，一个字节表示，最高位设为0，其他七位表示128个字符。
其他编码都是兼容ASCII的，最高位使用1来进行区分。

注意：之所以有大端和小端两种方式，是因为硬件读写顺序的不同。
大端：数据的高字节保存在内存的地址中，低字节保存到内存的高地址中，和我们的阅读习惯一直，小端则相反。

常用的X86结构式小端模式。arm 支持大小端可配置

采用大端方式进行数据存放符合人类的正常思维，而采用小端方式进行数据存放有利于计算机处理。
UTF-32/UTF-16 不同的地方是UTF-8是兼容ASCII的，对大部分中文而言，一个中文字符

需要用到三个字节表示。
UTF-8的又是是网络上传输英文字符只需要一个字节，可以节省带宽资源。
所以当大部分的网络应用都使用UTF-8编码，因为网络应用的代码编写全都是使用的英文编写，占据空间小，网络传输速度快。