字节序、位序

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：