1.1 计算机基础

计算机（Computer）是一种能按照某些预定的程序（这些程序往往体现的是人类的意志）对输入到其中的信息进行处理，并将处理结果输出的高度自动化的电子设备。本节将介绍计算机应用的基础知识，为读者步入本书后面知识的学习打下基础。

1.1.1 中央处理器

中央处理器（Central Processing Unit,CPU）是一块超大规模的集成电路，通常是一台计算机的运算核心和控制核心，主要包括算术和逻辑单元（Arithmetic and Logic Unit,ALU）和控制器（Control Unit,CU）两大部件。此外，还包括若干个寄存器和存储器，以及用于实现它们之间联系的数据、控制及状态总线。CPU与内部存储器和输入/输出设备合称为电子计算机三大核心部件，其功能主要是执行计算机指令以及处理计算机软件中的数据。计算机的性能在很大程度上由CPU的性能决定，而CPU的性能主要体现在其运行速度上。

1.1.2 比特和字节

1．比特

比特音译自英文名词bit。在现实应用中，比特是表示信息量的一种单位。二进制数中的位表示信息量的度量单位，为信息量的最小单位。二进制数中的一位所包含的信息就是1比特，如二进制数0100就是4比特。在计算机应用中，二进制数0和1是构成信息的最小单位，被称作“位”或“比特”。例如数字化音响中用电脉冲表达音频信号，“1”代表有脉冲，“0”代表脉冲间隔。如果波形上每个点的信息用4位一组的代码表示，则称4比特，比特数越大，表达的模拟信号就越精确，对音频信号的还原能力就越强。

2．字节

字节（Byte）是计算机信息技术用于计量存储容量的一种计量单位，有时也表示一些计算机编程语言中的数据类型和语言字符。

在计算机应用中，由若干比特组成1字节。字节由多少比特组成取决于计算机的自身结构。通常来说，微型计算机的CPU多用8位组成1字节，用以表示一个字符的代码，构成1字节的8位被看作一个整体，字节是存储信息的基本单位。大多数情况下，计算机存储单位的换算关系如下所示。

1B=8bit

1KB=1024B

1MB=1024KB

1GB=1024MB

上述关系中各个单位的具体说明如下所示。

❑ B表示字节。

❑ bit表示比特。

❑ KB表示千字节。

❑ MB表示兆字节。

❑ GB表示吉字节。

1.1.3 二进制

二进制是计算技术中被广泛采用的一种数制，是使用0和1两个数码来表示数字的数制。二进制的基数为2，进位规则是“逢二进一”，借位规则是“借一当二”，由18世纪德国数理哲学大师莱布尼茨发现。当前的计算机系统使用的基本上是二进制系统，数据在计算机中主要是以补码的形式存储的。计算机中的二进制则是一种非常微小的开关，用“开”表示1，用“关”表示0。因为只使用0、1两个数字符号，所以二进制非常简单方便，易于用电子方式实现。

下面介绍如何从十进制转换成二进制。

❑ 正整数转换成二进制：转换原则是除以2取余，然后倒序排列，高位补零。也就是说，将正的十进制数除以2，将得到的商再除以2，依次类推，直到商为0或1时为止，然后在旁边标出各步的余数，最后倒着写出来，高位补零即可。例如，为了将十进制数字42转换为二进制，将42除以2，根据余数得到010101，然后将得到的余数倒着排一下，就会得到数字42对应二进制数是101010。但是因为计算机内部用于表示数的字节单位是定长的，如8位、16位或32位，所以当位数不够时，需要在高位补零。前面将42转换成二进制数时得到的结果是6位的101010，在前面缺少两位，所以将十进制42转换成二进制的最终结果是00101010。

❑ 负整数转换成二进制：转换原则是先将对应的正整数转换成二进制，对二进制取反，然后对结果加1。以十进制负整数-42为例，将42的二进制形式（00101010）取反，得到的结果是11010101，然后再加1，结果是11010110。

❑ 二进制整数转换成十进制：转换原则是先将二进制数字补齐位数，首位如果是0，就代表正整数；首位如果是1，则代表负整数。先看首位是0的正整数，补齐位数以后，获取“n×2m”的计算结果，其中上标“m”表示二进制数字的位数，“n”表示二进制的某个位数。将二进制中的各个位数分别实现“n×2m”计算，然后将计算结果相加，得到的值就为十进制。比如，将二进制1010转换为十进制的过程如下所示：

二进制 1 0 1 0

补齐位数 0 0 0 0 1 0 1 0

进行“n×2m”计算0×270×260×250×241×230×221×210×20

计算结果 0 0 0 0 8 0 2 0

将各位求和的结果是10。所以，将二进制1010转换为十进制的结果是10。

如果要转换的二进制数补足位数后首位为1，表示这个二进制数是负整数。此时就需要先进行取反，再进行换算。例如，二进制数11101011的首位为1，那么先取反，得到-00010100，然后按照上面的计算过程得出10100对应的十进制数为20，所以二进制数11101011对应的十进制数为-20。

1.1.4 编码格式

1．ASCII格式

美国信息交换标准代码（American Standard Code for Information Interchange,ASCII）是基于拉丁字母的一套计算机编码系统，主要用于显示现代英语和其他西欧语言。ASCII是现今最通用的单字节编码系统，并等同于国际标准ISO/IEC 646。

一个英文字母（不分大小写）占1字节的空间，一个中文汉字占2字节的空间。一个二进制数字序列，在计算机中作为一个数字单元，一般为8位二进制数，换算为十进制后，最小值为0，最大值为255。例如，一个ASCII码就是1字节。

2．Unicode格式

Unicode（又称统一码、万国码或单一码）是计算机科学领域里的一项业界标准，包括字符集、编码方案等。Unicode是为了解决传统的字符编码方案的局限性而产生的，它为每种语言中的每个字符设定统一并且唯一的二进制编码，以满足跨语言、跨平台进行文本转换、处理的要求。

最初的Unicode编码采用固定长度的16位，也就是2字节代表一个字符，这样一共可以表示65536个字符。显然，要表示各种语言中所有的字符，这是远远不够的。Unicode 4.0规范考虑到了这种情况，定义了一组附加字符编码，附加字符编码采用两个16位来表示，这样最多可以定义1048576个附加字符，在Unicode 4.0规范中只定义了45960个附加字符，在Unicode 5.0版本中已定义的字符有238605个。

Unicode只是一种编码规范，目前实际实现的Unicode编码只有3种——UTF-8、UCS-2和UTF-16。这3种Unicode字符集之间可以按照规范进行转换。

3．UTF-8格式

UTF-8（8-bit Unicode Transformation Format）是一种针对Unicode的可变长度字符编码，又称万国码。UTF-8由Ken Thompson于1992年创建，现在已经标准化为RFC 3629。UTF-8用1～6字节编码Unicode字符，用在网页上，可以统一页面显示的中文简体及其他语言（如英文、日文、韩文）。一个UTF-8英文字符等于1字节。一个UTF-8中文（含繁体）字符，少数占用3字节，多数占用4字节。一个UTF-8数字占用1字节。