逆向基础--编码(001)

一.位与字节

　　比特（Bit）：1比特就是1位，每个0或1就是一个位，位是数据存储的最小单位。位是二进制表示，8位二进制是一个字节。 8位二进制(就是8个比特)最大：11111111

　　字节（Byte）：字节是通过网络传输信息（或在硬盘或内存中存储信息）的单位。

　　1个字节等于8位二进制， 8位二进制可存储从00000000到11111111的256个不同的值中的一个。也就是可以存储整数：0~256，以及 -128到127（含）的有符号数字。

　　 可以理解为字节是容器，一个容器有8个格子，每个格子存放一个bit (0和1)

 

二.字符编码　　

　　字符编码包括： ASCII编码和Unicode编码

　　ASCII编码：使用一个字节（8bit）来表示一个字符，但实际上只使用了7位，共128个字符。包括英文字母、数字、标点符号和控制字符。由于ASCII只能表示128个字符，对于其他语言的字符无法表示，因此出现了多种扩展的字符集（如ISO-8859-1）和Unicode。

　　Unicode是一个旨在包含所有字符的字符集。如UTF-8、UTF-16、UTF-32。

　　　　　　　　UTF-8：是一种变长编码，使用1到4个字节来表示一个字符。英文字符在UTF-8中仍然用一个字节表示，与ASCII兼容。而中文等其他字符则用多个字节。　　

　　　　　　　　UTF-16：使用2个或4个字节来表示一个字符。

　　　　　　　　UTF-32：固定使用4个字节表示一个字符。

　计算机中的CPU位数指的是CPU一次能处理的最大位数。例如32位计算机的CPU一次最多能处理32位数据。

字符【A】的转换示例字符'A'在UTF-8编码下是一个字节，且与ASCII相同，其十六进制为0x41。
现在要将0x41转换成二进制。4和1分别对应4位二进制：
4 -> 0100
1 -> 0001
所以字符【A】的16进制为0x41， 转为二进制就是 01000001。

　

字符【中】的转换示例分二种编码：Unicode和UTF-8Unicode: U+4E2D （等于0x4E2D）
4E2D (十六进制) = 0100 1110 0010 1101 (二进制，共15位，我们将其扩展为16位，即两个字节)
U+4E2D的二进制表示是：100111000101101（15位），但通常我们按16位处理，即前面补0，成为：0100111000101101。UTF-8编码: 11100100 10111000 10101101 （二进制，属于三个字节）
三个字节分别转十六进制: E4 B8 AD
实际存储，这三个字节连续存储: 111001001011100010101101

　　在Unicode中，码点通常表示为 U+XXXX 的形式，其中XXXX是十六进制数字。这种表示法是Unicode标准约定的。而在编程语言或内存地址中，我们通常使用0x作为十六进制的前缀

　　为什么Unicode码点用U+开头？

　　　　---这是Unicode标准规定的写法，用于明确表示这是一个Unicode码点。它直接告诉我们这个数字是Unicode字符的编号。
　　为什么字符【中】的16进制为4E2D?

　　　　---Unicode码点的分配是有规律的，汉字集中在U+4E00到U+9FFF这个区间（称为CJK统一汉字）。'中'这个字位于这个区间内，具体是U+4E2D。

　　用户输入: '中' -->应用程序: 识别为 Unicode 字符-->操作系统: 查找 Unicode 码点表 → U+4E2D-->转为字节-->存储或传输

 

三.转换关系

字节--->16进制 
示例字节：11100100  
二进制: 1110  0100
十六进制: E    4
结果为：E4

 

16进制-->字节
十六进制OxE4
转为二进制:1110  0100 （E对应1110  4对应0100）
字节结果为：11100100  

 

 

四.前缀约定

　　3.1不同领域的十六进制前缀约定

领域	前缀	示例	说明
编程语言	0x	0x4E2D	C/C++/Java/Python等语言标准
Unicode标准	U+	U+4E2D	Unicode码点的专用表示法
汇编语言	h后缀	4E2Dh	某些汇编器的约定
通用表示	无或#	4E2D 或 #4E2D	文档或通用场景

　　3.2不同领域的二进制约定

领域	前缀/后缀	示例	说明
现代编程语言	0b 或 0B	0b1010	C++14+, Java 7+, Python, Rust, Go
传统编程语言	无标准表示	B"1010"	需要库函数或特殊语法
汇编语言	b 后缀	1010b	MASM, NASM, 部分汇编器
汇编语言(其他)	% 前缀	%1010	某些汇编器变体
Verilog/VHDL	'b 前缀	8'b1010_1100	硬件描述语言
文档/教科书	下标₂	1010₂	学术论文、教材
网络协议	无前缀	10101100	RFC文档、协议规范
配置文件	无标准	多种形式	依具体软件而定

 注意：0x是一个前缀，表示后面跟着的数字是十六进制数。如：0x41

　　　0b 或 0B是一个前缀，表示二进制。如：0b01000001

　　　0 是一个前缀，表示八进制。如：041

　　   十进制是没有前缀的

　　　HTML实体：中（十六进制）或 中（十进制）　

　　　CSS Unicode：\4E2D（十六进制）

　　　XML：中（十六进制）