3、数据表示与运算基础：定点数、浮点数（IEEE 754）、原码反码补码、字符编码与校验码
计算机体系结构的第一块基石，是解决“数据如何在机器中被表示与运算”的问题。冯·诺依曼体系结构中，一切信息（数值、字符、指令）最终都转化为二进制比特流。然而，二进制串本身是“无意义”的，其含义完全取决于解释规则。本章将系统梳理数值型数据的定点与浮点表示、机器数编码方案（原码/反码/补码）、字符编码标准以及数据校验机制，帮助读者建立从“物理比特”到“逻辑数值”的完整映射认知。
上图展示了本章知识体系的整体框架。数值数据（定点与浮点）关注“如何用有限位宽表达实数范围与精度”，机器数编码（原码/反码/补码）解决“如何让加减法统一为加法运算”，字符编码解决“非数值信息的二进制映射”，而校验码则保障数据在存储或传输过程中的完整性。四者相互独立又彼此关联，共同构成计算机运算单元的输入输出基础。
3.1 定点数表示与机器数编码
3.1.1 核心原理：定点数的格式与局限
定点数约定小数点位置固定不变。常见格式有两种：纯整数（小数点固定在最低位之后）和纯小数（小数点固定在符号位之后）。例如，8位定点整数可表示范围是 -128~127（补码）或 -127~127（原码/反码）。定点数的优势在于运算简单、硬件实现成本低，但动态范围小，无法同时满足大范围和高精度的需求。例如，用16位定点整数表示圆周率，只能取3，精度损失严重。
3.1.2 判断方法：原码、反码、补码的转换规则
对于正数，三种编码的符号位为0，数值位与真值相同。对于负数，转换规则如下：
- 原码：符号位为1，数值位为值二进制表示。
- 反码：符号位为1，数值位为原码数值位按位取反。
- 补码：符号位为1，数值位为反码数值位加1（即原码数值位取反加1）。
补码的核心优势在于：减法可以转化为加法，且0的表示唯一（+0和-0的补码均为00000000）。例如，计算 5 - 3 时，可转换为 5 + (-3) 的补码运算：00000101 + 11111101 = 1 00000010，丢弃最高位进位后得到 00000010，即2。
| 真值 | 原码（8位） | 反码（8位） | 补码（8位） |
|---|---|---|---|
| +7 | 00000111 | 00000111 | 00000111 |
| -7 | 10000111 | 11111000 | 11111001 |
| +0 | 00000000 | 00000000 | 00000000 |
| -0 | 10000000 | 11111111 | 00000000（唯一） |
3.1.3 案例拆解：补码运算的溢出判断
假设使用4位补码表示整数，计算 7 + 1。7的补码为0111，1的补码为0001，相加得1000。由于符号位从0变为1，且最高数值位产生进位而符号位无进位，发生溢出。判断溢出的常用规则是：最高位进位与次高位进位异或为1时溢出。此例中，次高位（bit2）进位为1，最高位（bit3）进位为0，异或结果为1，故溢出。实际结果为-8，显然错误。这说明定点数运算必须考虑位宽限制，否则结果不可信。
3.2 浮点数表示：IEEE 754标准
3.2.1 核心原理：科学计数法的二进制实现
IEEE 754标准定义了浮点数的存储格式，以32位单精度（float）为例，其布局为：1位符号位（S）、8位阶码（E）、23位尾数（M）。真值计算公式为：(-1)^S × 1.M × 2^(E-127)。其中，阶码采用偏置码表示，单精度偏置值为127，双精度为1023。尾数采用隐含位技术，即规格化数的小数点前一位恒为1，不显式存储，从而多获得1位精度。
3.2.2 判断方法：规格化与非规格化数的识别
- 规格化数：阶码E不全为0且不全为1，此时尾数隐含1，即1.M。
- 非规格化数：阶码E全为0，此时尾数隐含0，即0.M，用于表示接近0的极小数值。
- 特殊值：阶码全为1且尾数全为0表示无穷大（±∞）；阶码全为1且尾数非0表示NaN（非数值）。
例如，将十进制数 -12.75 转换为单精度浮点数：符号位S=1；12.75的二进制为1100.11，规格化为1.10011 × 2^3；阶码E=3+127=130，即10000010；尾数M=10011000000000000000000。最终存储为：1 10000010 10011000000000000000000。
3.2.3 案例拆解：浮点数精度损失与比较陷阱
在C语言中执行 float a = 0.1f; float b = 0.2f; if (a + b == 0.3f) 通常为假。原因是0.1和0.2在二进制中均为无限循环小数，存储时被截断，导致累加结果与0.3的存储值存在微小差异。实际工程中，应使用误差容限比较：fabs(a + b - 0.3f) < 1e-6。此外，浮点数运算不满足结合律，例如 (1e20 + 1) - 1e20 的结果为0，而 1e20 + (1 - 1e20) 的结果为0，但 (1e20 - 1e20) + 1 的结果为1。这说明运算顺序会影响精度。
3.3 字符编码与校验码
3.3.1 核心原理：从ASCII到Unicode的演进
ASCII码使用7位二进制表示128个字符（含控制字符），扩展ASCII使用8位表示256个字符。但ASCII无法覆盖中文、日文等非拉丁文字。Unicode字符集为每个字符分配唯一的码点（如“中”的码点为U+4E2D），而UTF-8是Unicode的一种变长编码方案，用1~4个字节表示一个字符，兼容ASCII，且无字节序问题。例如，“A”的UTF-8编码为0x41，“中”的编码为0xE4 0xB8 0xAD。
3.3.2 判断方法：校验码的检错与纠错能力
校验码用于检测或纠正数据在传输/存储中的错误。常见方案包括：
- 奇偶校验：在数据位后附加1位，使整个码字中1的个数为奇数（奇校验）或偶数（偶校验）。只能检测奇数位错误，无法纠错。
- CRC（循环冗余校验）：将数据视为多项式，除以生成多项式，余数作为校验码。可检测突发错误，广泛应用于网络通信（如以太网帧的FCS）。
- 海明码：在数据位之间插入多个校验位，不仅能检测错误，还能定位并纠正单比特错误。例如，8位数据需要4个校验位，形成12位码字。
| 校验方式 | 校验位数量 | 检错能力 | 纠错能力 | 典型应用 |
|---|---|---|---|---|
| 奇偶校验 | 1 | 奇数位错误 | 无 | UART串口 |
| CRC-32 | 32 | 突发错误（长度≤32） | 无 | 以太网、ZIP压缩 |
| 海明码 | log2(n)+1 | 多比特错误（部分） | 单比特错误 | ECC内存 |
3.3.3 案例拆解：海明码的编码与纠错过程
以4位数据D3D2D1D0=1011为例，需要3个校验位P2P1P0，码字排列为P2P1D3P0D2D1D0（位置1~7）。校验位覆盖规则：P0覆盖位置1,3,5,7；P1覆盖位置2,3,6,7；P2覆盖位置4,5,6,7。计算各校验位使对应组内1的个数为偶数：P0=D3⊕D2⊕D0=1⊕0⊕1=0；P1=D3⊕D1⊕D0=1⊕1⊕1=1；P2=D3⊕D2⊕D1=1⊕0⊕1=0。发送码字为0101011。若接收端收到0101111（位置6发生错误），则重新计算各组校验：组0（位置1,3,5,7）=0⊕1⊕1⊕1=1；组1（位置2,3,6,7）=1⊕1⊕1⊕1=0；组2（位置4,5,6,7）=1⊕1⊕1⊕1=0。将组号组合为二进制100（即4），表示位置4出错？实际错误位置为6，但计算得4，说明规则需按位置编号的二进制位来分组。正确做法：将出错位置编号的二进制位对应校验组，此处位置6的二进制为110，即组2和组1出错，组0正确，组合为110（十进制6），定位到位置6，取反即可纠正。