3. 数据表示与运算基础：数制转换、定点数、浮点数（IEEE 754）、字符编码、校验码
计算机体系结构的底层逻辑始于数据的物理表示。无论上层应用多么复杂，最终都要归结为晶体管电平的“0”与“1”。本章将系统讲解数据在计算机内部的表示方法，涵盖数制转换、定点数与浮点数（IEEE 754标准）、字符编码以及校验码。理解这些基础，是后续学习指令系统、运算器设计和存储体系的前提。我们将从数学原理出发，结合工程实践中的典型问题，帮助您建立完整的数据表示知识框架。
3.1 数制转换：从二进制到十六进制
核心原理：计算机内部采用二进制，因为二值逻辑电路最容易实现且抗干扰能力强。但二进制书写冗长，因此工程中常用八进制和十六进制作为二进制的紧凑表示。任何进制数都遵循“按权展开”的数学原理：一个R进制数各位数字乘以对应权值（R的幂次）之和即为十进制值。
转换方法：
- R进制→十进制：按权展开求和。例如二进制
1011.101= 1×2³ + 0×2² + 1×2¹ + 1×2⁰ + 1×2⁻¹ + 0×2⁻² + 1×2⁻³ = 11.625。 - 十进制→R进制（整数部分）：除基取余法，将十进制整数不断除以R，取余数逆序排列。例如十进制25转二进制：25÷2=12余1，12÷2=6余0，6÷2=3余0，3÷2=1余1，1÷2=0余1，逆序得11001。
- 十进制→R进制（小数部分）：乘基取整法，将小数部分不断乘以R，取整数位正序排列。例如0.625转二进制：0.625×2=1.25取1，0.25×2=0.5取0，0.5×2=1.0取1，得0.101。
- 二进制↔十六进制：每4位二进制对应1位十六进制，以小数点为界分别向两侧分组，不足补0。例如二进制
10110110.1011→ 分组为1011 0110 . 1011 → B6.B。
| 进制 | 基数 | 数字范围 | 典型用途 | 示例 |
|---|---|---|---|---|
| 二进制 | 2 | 0~1 | 机器内部表示 | 1010₂ |
| 八进制 | 8 | 0~7 | Unix文件权限 | 12₈ |
| 十进制 | 10 | 0~9 | 人类日常使用 | 10₁₀ |
| 十六进制 | 16 | 0~9, A~F | 内存地址、颜色值 | 0xFF |
3.2 定点数：原码、反码与补码
核心原理：定点数约定小数点位置固定不变。整数定点数的小数点在最低位之后，纯小数的小数点在符号位之后。为了表示正负数，引入了符号位（通常最高位，0为正，1为负）。三种编码方式各有优劣，其中补码是现代计算机的主流选择。
三种编码的对比：
- 原码：符号位 + 值。直观但存在“+0”和“-0”两种零表示，且加减运算需判断符号，硬件复杂。
- 反码：正数同原码，负数符号位不变、数值位按位取反。解决了部分运算问题，但仍有双零问题。
- 补码：正数同原码，负数在反码基础上加1。消除了双零，使得减法可以统一为加法运算（利用模运算性质），极大简化了ALU设计。
补码的运算优势：对于n位补码，其表示范围为[-2ⁿ⁻¹, 2ⁿ⁻¹-1]。例如8位补码范围为-128~127。计算7-5时，可转换为7+(-5)的补码加法：00000111 + 11111011 = 100000010，丢弃最高位进位得00000010，即2。这种“丢弃进位”正是模2⁸运算的体现。
| 编码方式 | +7 (8位) | -7 (8位) | 零的表示 | 运算复杂度 |
|---|---|---|---|---|
| 原码 | 00000111 | 10000111 | 00000000 / 10000000 | 需判断符号，复杂 |
| 反码 | 00000111 | 11111000 | 00000000 / 11111111 | 需循环进位 |
| 补码 | 00000111 | 11111001 | 唯一：00000000 | 统一加法，简单 |
char类型默认是signed char（8位补码）。当执行char c = 127; c = c + 1;时，结果变为-128。这是因为127的补码01111111加1得到10000000，即-128。理解补码溢出规则对排查此类bug至关重要。
3.3 浮点数：IEEE 754标准
核心原理：浮点数采用科学计数法表示实数，格式为：(-1)^S × 1.M × 2^(E-Bias)。IEEE 754标准定义了单精度（float，32位）和双精度（double，64位）格式。单精度由1位符号位S、8位阶码E（偏移量127）和23位尾数M组成；双精度由1位S、11位E（偏移量1023）和52位M组成。
关键设计点：
- 规格化：尾数最高位隐含为1（即1.M），不显式存储，从而多获得1位精度。
- 阶码偏移：阶码采用无符号整数存储，实际指数 = E - Bias。这样便于比较大小（可直接按无符号整数比较阶码）。
- 特殊值：阶码全0且尾数全0表示±0；阶码全1且尾数全0表示±∞；阶码全1且尾数非0表示NaN（非数值）。
转换流程（以单精度为例）：
- 将十进制数转换为二进制科学计数法，如 -12.5₁₀ = -1100.1₂ = -1.1001₂ × 2³。
- 确定符号位S = 1（负数）。
- 计算阶码E = 3 + 127 = 130 = 10000010₂。
- 尾数M = 10010000000000000000000（去掉隐含的1，右侧补0至23位）。
- 组合结果：1 10000010 10010000000000000000000。
0.1 + 0.2 ≠ 0.3（结果为0.30000000000000004）。在金融计算中应使用定点数或十进制浮点库，避免精度损失。
3.4 字符编码：从ASCII到Unicode
核心原理：字符编码将人类可读的字符映射为计算机可处理的二进制数。ASCII（美国信息交换标准码）使用7位编码，共128个字符，包含控制字符、数字、大小写字母和常用符号。由于计算机基本单位是字节（8位），ASCII通常存储为1字节，最高位为0。
Unicode与UTF-8：Unicode为全球所有字符分配唯一码点（如“中”的码点为U+4E2D），但未规定存储方式。UTF-8是一种变长编码，根据码点大小使用1~4字节存储，且兼容ASCII（ASCII字符的UTF-8编码与ASCII完全相同）。UTF-8的编码规则如下：
| 码点范围（十六进制） | UTF-8字节序列 | 字节数 |
|---|---|---|
| 000000 ~ 00007F | 0xxxxxxx | 1 |
| 000080 ~ 0007FF | 110xxxxx 10xxxxxx | 2 |
| 000800 ~ 00FFFF | 1110xxxx 10xxxxxx 10xxxxxx | 3 |
| 010000 ~ 10FFFF | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx | 4 |
1110xxxx 10xxxxxx 10xxxxxx中：0100填入第一字节低4位得11100100，111000填入第二字节低6位得10111000，101101填入第三字节低6位得10101101。最终UTF-8编码为E4 B8 AD（十六进制）。在文本编辑器中查看UTF-8编码的“中”字，会看到这三个字节。
3.5 校验码：保障数据完整性
核心原理：数据在传输或存储过程中可能发生位翻转（0变1或1变0）。校验码通过在原始数据后附加冗余信息，使接收方能够检测甚至纠正错误。最基础的校验方式是奇偶校验：统计数据中1的个数，奇校验使总1的个数为奇数，偶校验使总1的个数为偶数。
三种常用校验码对比：
- 奇偶校验：1位冗余，只能检测奇数个错误，无法纠错。适用于低噪声环境。
- CRC（循环冗余校验）：将数据视为多项式，用生成多项式做模2除法，余数作为校验码。能检测突发错误，广泛应用于网络帧（如以太网CRC-32）。
- 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。适用于内存ECC（纠错码）等场景。
海明码的构造方法：
- 确定校验位数量r，满足2ʳ ≥ m + r + 1（m为数据位数量）。
- 校验位放在2的幂次位置（1, 2, 4, 8...）。
- 每个校验位负责校验特定位置的位（该校验位索引的二进制位为1的位置）。
- 接收方重新计算校验位，若结果非0，则该值即为出错位置。
总结复盘：本章内容环环相扣——数制转换是理解一切编码的基础；定点数补码解决了有符号整数运算的硬件实现问题；IEEE 754浮点数在精度与范围之间取得平衡，但需警惕舍入误差；字符编码从ASCII到UTF-8的演进体现了兼容性与扩展性的权衡；校验码则为数据可靠性提供了保障。在实际系统设计中，这些知识往往综合运用：例如网络协议栈中，IP头校验和（补码求和）、TCP段CRC校验、应用层UTF-8编码，共同构成了完整的数据处理链路。建议读者通过编写进制转换工具、模拟浮点数舍入、实现CRC校验算法等方式加深理解。