计算机只能直接处理二进制，但业务世界有整数、小数、字符、图片和协议字段。理解数据表示，是理解溢出、乱码、序列化、网络协议和文件格式的基础。

1. 学习目标

• 理解二进制、十六进制、补码和浮点数的基本含义。
• 能解释字符编码和乱码产生的原因。
• 能在排查协议、文件和跨平台问题时识别数据表示差异。

2. 知识框架

数制编码与数据表示
├─ 入门：建立术语、对象和日常操作的直觉
├─ 进阶：理解机制、边界和跨平台差异
└─ 专家：能排障、能设计、能阅读实现和研究材料

数据表示的主线是：真实信息先编码成字节，字节按约定解释成数字、字符或结构。如果双方约定不一致，就会出现溢出、精度丢失或乱码。

3. 核心概念

主题	说明	工程关注
补码	有符号整数在计算机中的常见表示方式	整数溢出、位运算、边界值
浮点数	用符号位、指数和尾数近似表示小数	金额计算不能直接依赖浮点精确性
字符集	字符到码点和字节序列的映射规则	UTF-8、GBK、UTF-16 转换
字节序	多字节数据在内存或网络中的排列顺序	网络协议、二进制文件、跨平台通信

4. 机制与实践

1. 阅读二进制协议时先确认字段长度、字节序、字符集和对齐规则。
2. 处理文本文件时显式指定 UTF-8，避免依赖系统默认编码。
3. 金额和账务计算使用整数分或高精度十进制类型，而不是普通浮点数。

5. 常用命令与工具

命令或工具	作用	使用建议
xxd file.bin	按十六进制查看文件内容	排查二进制协议和文件头时使用
file sample.txt	识别文件类型和可能的编码	只能作为参考，不能替代协议约定
iconv -f GBK -t UTF-8 a.txt	转换文本编码	迁移老系统文件时常用

6. 常见误区

• 把字符数量等同于字节数量：UTF-8 中一个中文通常占多个字节，截断字符串时可能破坏编码。
• 用浮点数处理金额：二进制浮点不能精确表示很多十进制小数。
• 忽略字节序：同一串字节在大端和小端解释下可能是完全不同的数字。

7. 进阶研究方向

• 阅读 IEEE 754 浮点标准的基本结构。
• 研究 UTF-8 为什么能够兼容 ASCII 并支持变长编码。
• 用十六进制工具观察 PNG、Class、ELF、PE 等文件头。

8. Tips 快问快答

Q：为什么会乱码？

A：写入时使用一种编码，读取时按另一种编码解释，同一组字节就会被映射成错误字符。

Q：为什么十六进制在系统领域常见？

A：十六进制每一位正好对应 4 个二进制位，表示字节和地址更紧凑。

Q：补码有什么好处？

A：补码让加减法可以用同一套硬件电路处理，同时只有一个零，边界规则也更统一。

9. 总结

数据表示决定了程序如何理解字节。掌握数制、补码、浮点、字符集和字节序后，很多看似诡异的溢出、乱码和协议问题都会变成可解释的问题。