字节序

    字节序，又称端序、尾序，英文单词为Endian，该单词来源于于乔纳森·斯威夫特的小说《格列佛游记》，小说中的小人国因为吃鸡蛋的问题而内战，战争开始是由于以下的原因：我们大家都认为，吃鸡蛋前，原始的方法是打破鸡蛋较大的一端。可是当今皇帝的祖父小时候吃鸡蛋，一次按古法打鸡蛋时碰巧将一个手指弄破了，因此他的父亲，当时的皇帝，就下了一道敕令，命令全体臣民吃鸡蛋时打破鸡蛋较小的一端，违令者重罚。老百姓们对这项命令极为反感。历史告诉我们，由此曾发生过六次叛乱，其中一个皇帝送了命，另一个丢了王位…关于这一争端，曾出版过几百本大部著作，不过大端派的书一直是受禁的，法律也规定该派的任何人不得做官。 1980年，Danny Cohen在其著名的论文"On Holy Wars and a Plea for Peace"中，为平息一场关于字节该以什么样的顺序传送的争论，而引用了该词。

         在计算机科学领域中，字节序是指存放多字节数据的字节（byte）的顺序，典型的情况是整数在内存中的存放方式和网络传输的传输顺序。有时候也可以用指位序（bit）。为了更好地理解，先看下面这段小程序，这个程序是把一个包含4位数字的字符串转换为16进制整数来存储，16进制整数的每一个字节存储一位数字字符。比如：”1234”，转换成16进制整数0x01020304。

程序1清单：

#include <stdio.h>

#include <conio.h>

 

int main( )

{

     char input[4] = {0};

     int integer   = 0;

     int i;

     printf("/r/n请输入一个位数，每一位的范围是从到0到9/r/n");

     for(i = 0; i < 4; i++)

     {

         input[i] = getch();

         if(input[i] > '9' || input[i] < '0')

         {

              printf("input error!/r/n");

              return 1;

         }

         putch(input[i]);

     }

    getch();

     putch('/n');

 

     for(i = 0; i < 4; i++)

     {

         input[i] = input[i] - '0';

     }

 

     memcpy((void*)&integer, (void*)input, 4);

 

     printf("转换后的进制数是:0x%08x/r/n", integer);

 

     getch();

 

     return 0;

}

 

现在来分析一下这段代码

首先，定义了一个字符数组input，用来接收用户输入的4个数字字符；

第二，把4个字符数字转换成对应的数字；

第三，把转换的数字复制到整型变量integer中；

最后在屏幕上打印。

如果在PPC或者ARM的机器上编译运行这个程序，那么会在屏幕上打印出结果：0x01020304，这与我们的预期一致；但是在X86的机器上则打印出的结果是：0x04030201。这个令人惊讶的结果正是字节序问题引起。下面来详细谈谈这个问题。

 

    从计算机诞生之后，就有几种不同的字节序，典型的是大端序(big endian)和小端序(little endian)，当然还有不常见的混合序(middle endian)。这些用来都是描述多字节数据在内存中的存放方式的。以上面的16进制数0x01020304为例，在计算机中需要用4个字节来保存它，’01’, ’02’，’03’，’04’各占一个字节。按照人类的计数习惯，最左边的’01’，称之为最高有效位(MSB，Most Significant Byte，它具有最高权重)；最右边的’04’称之为最低有效位(LSB, Least Significant Byte，他具有最低权重)；在计算机中需要用4个字节来保存它，其中’01’, ’02’，’03’，’04’各占一个字节。大端序的计算机保存这个数值时，按照从低地址到高地址的顺序分别保存MSB到LSB四个字节，0x01020304的存储情况如下图所示：

 

而小端序的计算机则以相反的顺序来保存它，如下图所示：

 

 

可以看到，在小端序的计算机中，0x01020304的保存顺序恰好与上面的程序1中相反，这就是最后输出结果为0x04030201的原因；大端序的计算机中两者保存顺序一致，所以打印正确。

 

    我们可以在VC集成环境中来验证上面的分析。在VS2005中调试下面的小程序，在return语句处设置断点，断住后打开内存窗口查看&i处的内容。可以直观的看到在x86（小端序）的机器上整数的存放方式。

程序2清单:

#include <stdio.h>

int main()

{

     int i = 0x01020304;

     printf("i = %#x/r/n",i);

     return 0;

}

 

 

 

 

 

再看看如何才能让程序1在大端序和小端序的机器上都能正确执行呢？一个办法就是利用预编译宏，针对不同的机器定义定义不同的数据结构。下面是一个例子：

程序3清单：

#include <stdio.h>

#include <conio.h>

 

typedef union

{

     struct{

#ifdef BIG_ENDIAN

     char msb;

     char midb1;

     char midb2;

     char lsb;

#else

     char lsb;

     char midb2;

     char midb1;

     char msb;

#endif

     } bytes;

     int  var;

} INTEGER;

 

int main()

{

     int  i          = 0;

     char input[5]   = {0};

     INTEGER integer = {0};

 

     printf("/r/n请输入一个位数，每一位的范围是从到到/r/n");

     for(i = 0; i < 4; i++)

     {

         input[i] = getch();

         if(input[i] > '9' || input[i] < '0')

         {

              printf("input error!/r/n");

              return 1;

         }

         putch(input[i]);

     }

    getch();

     putch('/n');

 

     integer.bytes.msb   = input[0] - '0';

     integer.bytes.midb1 = input[1] - '0';

     integer.bytes.midb2 = input[2] - '0';

     integer.bytes.lsb   = input[3] - '0';

 

     printf("转换后的进制数是:0x%08x/r/n", integer.var);

 

     getch();

 

     return 0;

}

可以看到，这段代码定义了两套数据结构，通过BIG_ENDIAN这个宏定义来决定使用哪一套数据结构。这是个笨拙却有效的方法。下面这个例子则漂亮一些：

程序4清单

#include <stdio.h>

#include <conio.h>

#include <memory.h>

#include <winsock2.h>

 

int main( )

{

     char input[4] = {0};

     int integer   = 0;

     int i;

     printf("/r/n请输入一个位数，每一位的范围是从到到/r/n");

     for(i = 0; i < 4; i++)

     {

         input[i] = getch();

         if(input[i] > '9' || input[i] < '0')

         {

              printf("input error!/r/n");

              return 1;

         }

         putch(input[i]);

     }

    getch();

     putch('/n');

 

     for(i = 0; i < 4; i++)

     {

         input[i] = input[i] - '0';

     }

 

     memcpy((void*)&integer, (void*)input, 4);

 

     integer = ntohl(integer);

 

     printf("转换后的进制数是:0x%08x/r/n", integer);

 

     getch();

 

     return 0;

}

这个程序利用了大端序与人类书写习惯一致的特点，通过ntohl函数将整数进行转换。这个函数的功能是将网络序转换成主机序，在大端机器上它什么也不做，在小端机器上它会将输入参数的值转换成小端序的值。在windows环境下链接时别忘了将Ws2_32.lib库添加进来。

 

主机序和网络序

主机序就是指主机的端序。

网络字节序（网络序）指多字节数据在网络传输中的顺序，TCP协议规定网络序是大端序，即高字节先发送。因此大端序的机器接受到的数据可直接使用，小端序机器则需要转换后使用。BSD socket API中定义了一组转换函数，用于16和32bit整数在网络序和本机字节序之间的转换。htonl，htons用于本机序转换到网络序；ntohl，ntohs用于网络序转换到本机序。一般来说，为了保证程序的可移植性，编写代码时，发送的数据需要使用htonl、htons转换，接收到的数据要使用ntohl、ntohs转换。

注意：不存在对单字节整数进行转换的函数”ntohc”和”htonc”!

位序

         位序，一般用于描述串行设备的传输顺序。一般说来大部分硬件都是采用小端序（先传低位），因此，对于一个字节数据，大部分机器上收发的顺序都一样，不会有问题，这就是为什么没有针对单字节数据的API接口”ntohc”和”htonc”。当然，也有例外，比如­I²C协议就是采用了大端序。这些细节只有在网络协议的数据链路层底端才会碰到，对一般的程序员来说很少涉及。

         但是在C语言中存在一种特殊的数据结构：位域。它的存在，使得C程序员能方便地进行位操作（比如在网络协议中经常出现1bit或者多bit的标示位，它们不是一个完整的字节）。但同时也引起一些难以察觉的问题，这些问题的根源仍然是前面提到的端序。

 

         与字节序一样，一个字节中的8个bit顺序在不同端序的机器上并不相同。大端机器上从低地址到高地址顺寻分别是msb->lsb，如下图：

 

 

小端序的机器上则正好相反

 

现代计算机的最小存储单位是BYTE，无法对bit寻址，因此我们无法直接观察每个字节内部bit的顺序。但是我们仍然可以通过位域来间接观察字节内部bit顺序，以印证上面的说法。

在C语言中，位域与结构体类似，其语法规定：先声明的成员位于低地址，后声明的成员位于高地址。那么下面的位域中：

typedef struct OneByte

{

     bt0 : 1;

     bt1 : 1;

     bt2 : 1;

     bt3 : 1;

     bt4 : 1;

     bt5 : 1;

     bt6 : 1;

     bt7 : 1;

}

成员bt0就位于一个字节中最低地址bit0处，成员bt7就位于一个字节的最地址bit7处。

 

我们看看下面的程序。

#include <stdio.h>

 

typedef struct OneByte

{

     char bt0 : 1;

     char bt1 : 1;

     char bt2 : 1;

     char bt3 : 1;

     char bt4 : 1;

     char bt5 : 1;

     char bt6 : 1;

     char bt7 : 1;

} ONE_BYTE;

 

int main()

{

     ONE_BYTE onebyte = {0};

    

     onebyte.bt7 = 1;

 

     printf("onebyte = %#x/r/n", *((unsigned char *)&onebyte));

 

     return 0;

}

 

当bt7赋值为1后，onebyte在内存中是这个样子的：

 

而在VC2005中编译运行的结果如下：

 

0x80转换成二进制是1000 0000。由于在X86（小端序）中，高地址bit7是msb，因此onebyte的值是0x80了；这就证实了前面的说法。 相应的如果是在大端序计算机中，bit7是lsb，则onebyte的值是0x01。

 

 

 

未完待续