简单理解信息在计算机中的表示

简单理解信息在计算机中的表⽰
信息是⼀个很宽泛的概念，说⼤了是与物质和能量⿍⽴的⾃然界三要素，这⾥仅仅涉及到计算机中的信息；
众所周知，对计算机⾃⾝⽽⾔，所有信息都是0/1⼆进制形式；
作为JavaEE/Android程序员，在开发过程中有时会遇到字符编码，进制转换这样的基础问题，虽然依靠经验或者⽹络搜索能很快实现功能，但每次都感觉对基本概念理解得不是很透彻，不如把现有的理解记录下来，以备后⽤；
信息在计算机中⼤致分为控制信息和数据信息；
控制信息是计算机系统内部运转⽤到的控制命令，例如读写命令，中断信号，⽚选信号，复位信号，就绪信号等；当然都是⼆进制表⽰；
数据信息指计算机可运算、可存储、可传输、可采集、可输出的各种数据；可分为数值数据，⽂本数据（字符，字串），多媒体数据（图像，⾳频，视频），⼆进制数据（可执⾏⽂件等）；
计算机信息的表⽰跟信息的处理，传输，存储，输⼊/输出⼀样，是计算机系统最基本的功能之⼀；
计算机中的信息表⽰可分为硬件系统可直接表⽰的信息，和软件系统可表⽰的信息；后者如数据结构，数据库表结构，XML/Json结构等等；
这⾥，只讨论计算机硬件系统对信息的表⽰；
位，Bit，Binary digit的缩写，是计算机中信息表⽰的最⼩单位；跟电⼦计算机的“电⼦”有关，⾼低电平；
字节，Byte, 8Bit, 可表⽰⼀个英⽂字符ASCII码；跟计算机的发明国美利坚所⽤语⾔有关；
定点数，⼩数点位置固定不变；定点⼩数的⼩数点紧跟符号位之后；定点整数⼩数点在有效数值部分之后；
浮点数，⼩数点位置可以浮动；尾数，阶码，底数；尾数位数越多，所表⽰数值的密度越⼤，精度越⾼；阶码位数越多，所表⽰数值的范围越⼤；
⽆符号数，全部⼆进制位均表⽰数值位；
有符号数，最⾼位被⽤来表⽰符号位；
机器数，⼀个数的⼆进制表⽰形式，最⾼位表⽰符号；
真值，机器数代表的真正数值；
原码，符号位加上真值的绝对值；
反码，正数的反码与其原码相同，负数的反码是对其原码逐位取反，符号位除外；
补码，正数的补码与其原码相同，负数的补码是在其反码的末位加1；
在计算机中，数值⼀律采⽤补码表⽰；
补码设计⽬的:
-使符号位能与有效值部分⼀起参加运算（⾃动溢出）,简化运算规则；
-使减法运算转换为加法运算（同余，模数，A-B 等于 A+B的补码）,简化计算机中运算器的线路设计；
溢出，计算得出的数值超出了整数类型可以表⽰的数值范围；
进制，进制主要包含基数和位权两个因素；计算机常⽤的是⼆进制，⼋进制，⼗六进制；
N进制转换成⼗进制，按权求和；
⼗进制转换N进制，整数部分-除N取余，⼩数部分-乘N取整；
⼀般可借助⼆进制或⼗进制做中间转换；
具体的转换原理和算法及程序实现在另外的⽂章再做介绍；
（todo 补码运算和浮点数运算）
字符编码和字符集：
ASCII-American Standard Code for Information Interchange. 1bit+7bit; 英⽂字符编码，⽼美出品，第⼀个bit为0，可表⽰128个字符；扩展集第⼀个bit为1，加起来
表⽰256个字符；
这对于⾮英语国家特别是亚洲国家的⽂字表⽰是远远不够啊，于是各国开始扩展⾃⼰的字符集；各⾃扩展的结果就是互不兼容；同⼀个⼆进制串在不同语⾔国家表⽰不同字符；
于是出现了伟⼤的万国码Unicode,可统⼀表⽰世界上所有国家的⽂字； Unicode仅仅给出了字符的编码值，这些值在计算机中具体怎么表⽰是由UTF来实现的；
具体有：UTF-8/UTF-16/UTF-32;
UTF-8⽤可变长度（1-6）字节表⽰Unicode值，UTF-16⽤2字节或4字节表⽰Unicode值；UTF-32⽤4字节表⽰Unicode值；
既然是可变多字节表⽰，为了避免歧义，就要指明字节的长度和顺序(BOM)；
UTF-8 encoding scheme:
for 1 byte unicode character: the first bit is 0, the rest 7 bits are the unicode value of the character;
for n byte unicode character: the first n bits of the first byte are 1, and the n+1 bit is 0, the first 2 bits of the rest bytes are 10, and all the rest bits are the
unicode value of the character;
Unicode符号范围 | UTF-8编码⽅式
(⼗六进制) |（⼆进制）
------------------------------------------------------------------
0000 0000-0000 007F | 0xxxxxxx
0000 0080-0000 07FF | 110xxxxx 10xxxxxx
0000 0800-0000 FFFF | 1110xxxx 10xxxxxx 10xxxxxx
0001 0000-0010 FFFF | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
其它字符编码还有：
UCS-Universal Character Set: UCS-2(16bit), UCS-4(32bit),
EBCDIC-Extended Binary Coded Decimal Interchange Code:8bit.
ISO 8859: 8bit,
GB2312:16bit, 94区*94位, 简体中⽂.
BIG5: 16bit, 繁体中⽂.
关于big-endian(FEFF)和little-endian(FFFE):
big-endian: the higher(most significant) byte stored in the lower memory address.
little-endian: the lower(least signaficant) byte stored in the lower memory address.
BOM-Byte Order Mark,ZERO WIDTH NO-BREAK APACE,FFFE,
（todo 多媒体信息表⽰，图形，图像，动画，⾳频，视频，虚拟现实）。