不同类型的数据在内存中是如何存储的？

Question

我正在编写一个涉及处理字节的C程序。在处理字节时，我对以下问题感到困惑：

1. 字符是否按照它们的ASCII码存储在内存中？例如，'A'的ASCII码为65。因此，它被存储在内存中和整数65一样吗？

2. 如果是这样，机器如何区分字符和整数？

3. 如果字符按ASCII码存储，则ASCII码是一个整数。整数应该占用至少2个字节，那么为什么一个字符只占用1个字节？

4. 最后一个问题是关于不同架构上的整数。在一个16位的机器上，如果1被存储为000...0001，那么在32位的机器上，1是否仍然以相同的方式存储，并在前面添加0？

- Xufeng

---

机器不区分不同类型，C++编译器会区分。 - ApproachingDarknessFish

@ValekHalfHeart 编译器是否能通过声明类型区分它们的不同？ - Xufeng

是的，这就是声明类型存在的原因。 - ApproachingDarknessFish

有关字符编码（UTF-8、UTF-16、UCS-2等）的讨论，请参见https://dev59.com/02gu5IYBdhLWcg3wv5ca。 - Richard Chambers

Answer 1

字符是按照它们的ASCII码存储在内存中的吗？比如'A'的ASCII码是65。那么它和整数65以相同的方式存储在内存中吗？

是的，但在C语言中，char是一个字节，而int取决于机器架构。

如果是这样的话，机器如何区分字符和整数？

机器代码不关心内存中的字节表示什么。编译器的工作是将您的代码转换为执行程序所需的机器指令。

如果字符是按照ASCII码存储的，ASCII码就是一个整数。一个整数应该占用至少2个字节，那么为什么一个字符只占用1个字节？

ASCII可以放在一个字节中（即char的大小）。在C语言中处理非ASCII文本更加复杂。有一个非可移植的wchar_t，而且许多人认为它是有问题的。C11引入了char16_t和char32_t，分别用于UTF-16和UTF-32。

最后一个问题是关于不同架构上的整数。在16位机器上，如果1被存储为000...0001，那么在32位机器上，1是否仍然以相同的方式存储并在前面添加0？

这基本上是正确的，但也取决于endianness的架构。

- imgx64

---

比我写的更好措辞。 - keshlam

那么当存储'A'和65时，是65的前导0被忽略了而在'A'中保留了吗？ - Xufeng

char a = 'A' 和 char a = 65 其实没有任何区别。如果你问的是 int a = 65，那么是的，它多了几个0。 - imgx64

@imgx64：char a = 'A'和char a = 65之间有区别。前者将a初始化为执行字符集中“A”的值，该字符集可能是ASCII，也可能不是。后者将a初始化为65。如果使用的是ASCII，则它们相同，但是有些C实现不使用ASCII。 - Eric Postpischil

@imgx64 我尝试打印 sizeof('A')，它给了我 4；但是 sizeof(char) 确实是 1。这是因为在 C 中 'A' 默认被存储为 int 吗？ - Xufeng

@Xufeng 是的，字符字面量（例如 A）被编译器视为整数常量。 - imgx64

Answer 2

1. 是的，ASCII字符会按照其值进行存储。但存储'A'（65 = 0x41）可能与存储65本身不同，这取决于您的机器架构。一个char可以用一个字节来存储，而int至少要占用2个字节（在现代计算机中通常为4个字节），因此它们可能被以不同的方式存储。

2. 并不会。我们可以有等于0x41的内存。区分'A'和65的唯一方法是根据您如何向编译器声明变量。换句话说，如果您将变量声明为int，则它将被视为int。

3. ASCII值非常少，您可以使用不到8位就能表示所有可能性。因此，使用16位来表示这一点将浪费内存。在今天的系统中，这已经不是问题了，但在内存受限制的系统上，您可能希望将那个额外的字节用于其他事情而不是浪费空间。

4. 多或少而言，是的。1始终会以0000....1的形式存储，所以二进制数字的总数等于填满int的空间。因此，在8位系统上，它将是两个字中的00000000和00000001，在16位系统上，它将是一个字中的000000000000001。

- mjmeli