进制、数据存储与字符编码基础 | JavaSE
进制、数据存储与字符编码基础
一、学习目标
完成本章后，你应该能够：
- 能够解释计算机为什么使用二进制表示和存储数据。
- 能够区分 bit、Byte 以及常见的数据容量单位。
- 能够完成二进制、八进制、十进制、十六进制之间的基础转换。
- 能够正确书写 Java 中的二进制、八进制和十六进制整数。
- 能够解释字符为什么可以用数字表示，并理解 ASCII、Unicode、UTF-8 之间的基本关系。
- 能够理解 Java
char与 Unicode 字符之间并不是绝对的一一对应关系。 - 能够根据进制和字符编码相关规则分析简单代码，并定位常见错误。
二、核心知识
2.1 为什么计算机使用二进制
我们平时使用的是十进制：
0 1 2 3 4 5 6 7 8 9
而计算机底层大量使用二进制：
0
1
原因并不是计算机“更喜欢 0 和 1”，而是数字电路天然适合表示两种稳定状态。
例如：
低电平 / 高电平
关闭 / 开启
无信号 / 有信号
这些状态可以抽象成：
0 / 1
因此，无论程序中保存的是：
18
'A'
"Hello"
一张图片
一段音乐
一个 Java 对象
最终都需要转换为可以由计算机存储和处理的二进制数据。
可以建立这样一条基本认识：
现实世界的信息
↓
程序中的数据
↓
数字表示
↓
二进制
↓
硬件存储和处理
2.2 bit 与 Byte
bit
bit（Binary Digit，比特）表示一个二进制位。
一个 bit 只能表示：
0
或者：
1
因此 bit 是最基本的二进制信息单位。
Byte
Byte（字节，B）由 8 个 bit 组成：
1 Byte = 8 bit
例如：
01100001
就是一个由 8 位二进制组成的字节。
Java 中：
byte
这种基本数据类型正好使用 8 位保存数据。
2.3 常见容量单位
初学阶段经常看到：
B
KB
MB
GB
TB
计算机课程中通常按照下面的方式理解：
1 KB = 1024 B
1 MB = 1024 KB
1 GB = 1024 MB
1 TB = 1024 GB
原因在于：
1024 = 2^10
所以它非常适合二进制计算体系。
严格来说，在现代标准中：
1 KiB = 1024 B
1 MiB = 1024 KiB
而 SI 单位中的：
1 kB = 1000 B
但在很多操作系统、教材和日常技术交流中，仍然经常将 KB 按照 1024 B 进行理解。
学习 JavaSE 时，首先理解二进制容量的递进关系即可。
2.4 什么是进制
进制本质上是一套表示数字的规则。
“几进制”可以理解为：
使用多少种基本数字，计数到多少时产生进位。
例如十进制：
0 1 2 3 4 5 6 7 8 9
逢十进一。
二进制：
0 1
逢二进一。
常见进制如下：
| 进制 | 基数 | 可以使用的数字 |
| -------- | ---: | -------------- |
| 二进制 | 2 | 0、1 |
| 八进制 | 8 | 0～7 |
| 十进制 | 10 | 0～9 |
| 十六进制 | 16 | 0～9、A～F |
十六进制中的：
A = 10
B = 11
C = 12
D = 13
E = 14
F = 15
大小写均可表示十六进制数字。
2.5 位权：理解进制转换的核心
一个数字真正的数值，不只由“这一位是什么”决定，还由“它处在哪一位”决定。
例如十进制：
123
实际上表示：
1 × 10²
+
2 × 10¹
+
3 × 10⁰
即：
100 + 20 + 3
二进制同样如此。
例如：
1101
从右向左对应：
2⁰ 2¹ 2² 2³
所以：
1101₂
=
1 × 2³
+
1 × 2²
+
0 × 2¹
+
1 × 2⁰
结果：
8 + 4 + 0 + 1 = 13
因此：
1101₂ = 13₁₀
这就是按权展开。
2.6 十进制转换为二进制
对于非负整数，可以使用经典的：
除二取余法。
例如将十进制 13 转换成二进制。
不断除以 2：
13 ÷ 2 = 6 余 1
6 ÷ 2 = 3 余 0
3 ÷ 2 = 1 余 1
1 ÷ 2 = 0 余 1
将余数倒着排列：
1101
所以：
13₁₀ = 1101₂
同理：
6₁₀ = 110₂
2.7 二进制与八进制
因为：
8 = 2³
所以每 3 个二进制位可以对应一个八进制位。
例如：
110 101
分别计算：
110₂ = 6
101₂ = 5
因此：
110101₂ = 65₈
这也是为什么八进制特别适合用来简化二进制表示。
2.8 二进制与十六进制
因为：
16 = 2⁴
所以每 4 个二进制位可以对应一个十六进制位。
例如：
1111 1010
分别计算：
1111₂ = 15 = F
1010₂ = 10 = A
因此：
11111010₂ = FA₁₆
这也是为什么开发过程中十六进制非常常见。
一个字节有 8 位：
11111111
刚好可以表示成两个十六进制数字：
FF
因此十六进制非常适合观察二进制数据。
三、使用方法
3.1 Java 中不同进制整数的写法
Java 支持直接书写二进制、八进制、十进制和十六进制整数。
public class NumberSystemDemo {
public static void main(String[] args) {
int binary = 0b0110_0001;
int octal = 0141;
int decimal = 97;
int hexadecimal = 0x61;
System.out.println(binary);
System.out.println(octal);
System.out.println(decimal);
System.out.println(hexadecimal);
}
}
四个变量保存的数值实际上完全相同：
97
97
97
97
对应关系如下：
0b01100001
↓
二进制
0141
↓
八进制
97
↓
十进制
0x61
↓
十六进制
Java 的整数进制前缀如下：
| 进制 | Java 写法 |
| -------- | ------------ |
| 二进制 | 0b 或 0B |
| 八进制 | 前导 0 |
| 十进制 | 无特殊前缀 |
| 十六进制 | 0x 或 0X |
3.2 使用下划线提高数字可读性
Java 允许在数字之间使用下划线：
int binary = 0b0110_0001;
int money = 1_000_000;
long population = 8_000_000_000L;
下划线不会改变数字本身的值，只用于增强可读性。
例如：
1_000_000
和：
1000000
数值完全一样。
3.3 使用 Java API 查看不同进制
除了手算之外，Java 也提供了相关工具方法。
public class RadixApiDemo {
public static void main(String[] args) {
int number = 97;
System.out.println(Integer.toBinaryString(number));
System.out.println(Integer.toOctalString(number));
System.out.println(Integer.toHexString(number));
}
}
得到：
1100001
141
61
还可以将指定进制字符串解析为整数：
int binary = Integer.parseInt("1100001", 2);
int hexadecimal = Integer.parseInt("61", 16);
System.out.println(binary);
System.out.println(hexadecimal);
得到：
97
97
这里的：
2
16
表示解析时使用的 radix（基数）。
3.4 字符为什么可以参与数字运算
计算机最终只能处理数字，因此字符也必须建立：
字符 ↔ 数字
之间的映射关系。
最经典的字符编码标准之一就是 ASCII：
American Standard Code for Information Interchange
常见字符对应关系：
| 字符 | 十进制值 |
| ----- | -------: |
| '0' | 48 |
| 'A' | 65 |
| 'a' | 97 |
例如：
public class CharacterNumberDemo {
public static void main(String[] args) {
char ch = 'A';
System.out.println(ch);
System.out.println((int) ch);
System.out.println(ch + 1);
}
}
结果：
A
65
66
其中：
(int) ch
可以直接观察 char 对应的数值。
而：
ch + 1
进入数值运算后，char 会参与数值类型提升，因此结果是：
66
而不是：
B
具体的类型提升规则将在下一章继续学习。
3.5 '0'、0 和 "0" 完全不同
这是初学者非常容易混淆的问题。
char a = '0';
int b = 0;
String c = "0";
三者分别是：
'0' → char
0 → int
"0" → String
其中：
'0'
对应的数值是：
48
所以：
System.out.println('0' + 1);
结果不是：
1
而是：
49
四、原理与进阶
4.1 有符号整数为什么会出现负数
对于 byte、short、int、long 等 Java 有符号整数，计算机采用二进制表示正数和负数。
Java 整数采用二进制补码（Two's Complement）语义。
例如 byte 一共有 8 位。
它能够表示：
-128 ～ 127
也就是：
-2⁷ ～ 2⁷ - 1
为什么不是：
0 ～ 255
因为 Java 的 byte 是有符号整数类型。
这一机制会直接影响后面学习的：
- 强制类型转换
- 整数溢出
- 位运算
- 原码、反码、补码
- 网络数据处理
下一章看到：
int value = 1500;
byte result = (byte) value;
结果变成负数时，真正的根源就在这里。
4.2 ASCII、Unicode 与 UTF-8 不完全是一回事
这三个概念经常被混在一起。
可以先建立最重要的层次关系。
ASCII
ASCII 主要解决早期英文字符、数字和符号的编码问题。
例如：
'A' → 65
'a' → 97
'0' → 48
Unicode
随着计算机走向全球化，仅有 ASCII 已经不够了。
需要表示：
中文
日文
韩文
阿拉伯文
Emoji
各种数学符号
……
于是需要一个统一的字符体系。
Unicode 的核心目标可以简单理解为：
给世界上的字符分配统一的编号。
这样的编号称为：
Unicode Code Point（Unicode 码点）
例如字符可能表示为：
U+0041
U+4E2D
UTF-8
UTF-8 则解决：
Unicode 字符编号真正转换成字节之后应该如何保存。
因此从概念上可以理解为：
Unicode
负责“字符编号是什么”
UTF-8
负责“这些编号怎样编码成字节”
UTF-8 是一种变长编码：
1～4 Byte
并且与 ASCII 的基本字符保持兼容。
字符集和字符编码将在 File 与 IO 阶段继续系统学习，本章只需要建立概念框架。
4.3 Java 的 char 并不一定等于一个完整 Unicode 字符
这是一个非常重要的 Java 细节。
Java：
char
使用 16 位保存一个 UTF-16 code unit。
对于大量常用字符，例如：
A
中
国
一个 char 就足够表示。
但是 Unicode 的范围已经超过了 16 位。
某些字符，例如部分 Emoji，需要两个 char 才能表示。
例如：
public class UnicodeDemo {
public static void main(String[] args) {
String text = "😀";
System.out.println(text);
System.out.println(text.length());
}
}
你可能直觉上认为：
😀
只有“一个字符”。
但 String.length() 得到的是 UTF-16 code unit 的数量，因此这里会得到：
2
所以以后处理 Unicode 文本时：
一个 char
不能简单等价于：
人眼看到的一个字符
这是 Java 字符串处理中的重要边界。
4.4 所有文件最终为什么都能保存为二进制
图片、音频、视频看起来与数字毫无关系，但磁盘最终保存的仍然是字节。
例如图片可以记录：
宽度
高度
像素
颜色
透明度
压缩信息
音频可以记录：
采样率
采样位数
声道
声音采样数据
视频又可以记录：
画面
声音
时间信息
压缩编码
这些信息最终都会按照文件格式约定转换成字节序列。
因此：
同一串 0 和 1
本身没有天然的“图片”或“音乐”含义。
真正决定含义的是：
数据格式 + 解析规则
可以把文件理解成：
按照某种协议组织起来的一串字节。
五、实践应用
进制和编码并不是只存在于考试题中。
在真实开发中，十六进制经常出现在：
颜色值
内存地址
二进制协议
文件格式
哈希值
调试信息
网络数据
权限标志
例如 Web 中常见：
#FF0000
表示红色。
其中：
FF = 255
而在调试底层数据时：
0xFF
0xCA
0xFE
往往比一长串二进制更加容易阅读。
随着后面学习：
- 位运算
- IO
- 网络编程
- JVM
- 字符编码
你会不断重新遇到本章知识。
所以进制不是孤立知识，而是理解计算机底层数据表示的入口。
六、常见问题
6.1 为什么 010 不是十进制 10？
因为 Java 中：
int number = 010;
前导 0 表示八进制。
所以：
010₈ = 8₁₀
实际开发中如果没有明确需要，通常不建议使用八进制字面量表示普通数字，以免产生阅读歧义。
6.2 08 为什么不能作为普通整数直接写？
八进制只能出现：
0～7
所以：
int number = 08;
是不合法的整数写法。
6.3 0x10 等于多少？
十六进制：
0x10
等于：
1 × 16¹ + 0 × 16⁰
因此数值是：
16
6.4 'A' 本身保存的是 65 吗？
在数值语义上：
char ch = 'A';
ch 对应的 UTF-16 code unit 数值是：
65
因此可以转换成：
int
进行数值处理。
6.5 ASCII 和 Unicode 谁替代谁？
不能简单理解成“Unicode 把 ASCII 删除了”。
Unicode 的基本拉丁字符区与 ASCII 建立了兼容关系。
例如：
A → 65
a → 97
0 → 48
这些经典编号仍然保持一致。
6.6 Unicode 和 UTF-8 是不是同一个概念？
不是。
简单记忆：
Unicode → 字符编号体系
UTF-8 → Unicode 的一种编码方式
以后学习 IO 时会进一步研究编码和解码。
6.7 一个 char 是否永远等于一个字符？
不是。
char 是：
16 位 UTF-16 code unit
某些 Unicode 字符需要两个 char 表示。
因此不要建立：
1 char = 世界上任意一个字符
这样的绝对认识。
七、练习与验收
7.1 知识问答
- 计算机为什么适合使用二进制表示和存储数据？
- bit 与 Byte 分别是什么？二者有什么关系？
- 为什么二进制每 3 位可以快速转换为一个八进制位？
- 为什么二进制每 4 位可以快速转换为一个十六进制位？
- Java 中二进制、八进制和十六进制整数分别使用什么前缀？
- ASCII 是什么？字符
'A'、'a'、'0'分别对应什么数值？ '0'、0、"0"分别是什么类型？- Unicode 与 UTF-8 分别解决什么问题？
- 为什么图片、音频、视频最终都可以保存成二进制数据？
- 为什么不能简单认为一个 Java
char永远代表一个完整 Unicode 字符？ - 请将
0b01100001、0141、0x61转换成十进制，并判断三者之间有什么关系。 - 为什么 Java 代码中的
010和10数值不同？
7.2 代码阅读
禁止运行下面的代码，先预测结果：
public class BinaryRead01 {
public static void main(String[] args) {
int a = 0B01100001;
int b = 0141;
int c = 0X61;
char ch = 'A';
System.out.println(a);
System.out.println(b);
System.out.println(c);
System.out.println(ch + 1);
}
}
完成：
- 写出四行输出结果。
- 解释为什么三种不同进制写法可以表示相同数值。
- 解释为什么
ch + 1的结果不是直接显示字符B。
继续分析：
public class RadixRead02 {
public static void main(String[] args) {
int a = 0b1010;
int b = 012;
int c = 0xA;
System.out.println(a == b);
System.out.println(b == c);
}
}
要求：
- 不运行代码预测结果。
- 分别写出三个整数的十进制值。
- 解释变量保存的是“进制形式”还是最终数值。
7.3 手写代码
- 不查询资料，手算十进制
6、13、37、255的二进制形式。 - 手写程序分别定义二进制、八进制、十进制、十六进制整数，使四个变量保存相同数值。
- 使用
Integer.toBinaryString()、Integer.toOctalString()和Integer.toHexString()输出整数255的三种表示形式。 - 编写程序输出
'A'、'a'、'0'对应的整数值。 - 编写程序验证一个普通中文字符和一个 Emoji 在
String.length()上的差异。
7.4 Debug
下面代码存在问题：
public class RadixDebug01 {
public static void main(String[] args) {
int number = 08;
System.out.println(number);
}
}
要求：
- 判断问题发生在编译期还是运行期。
- 找出错误涉及哪一种进制规则。
- 分别修改成合法的十进制
8和八进制8的表示方式。
继续分析：
public class CharacterDebug02 {
public static void main(String[] args) {
char value = 'AB';
System.out.println(value);
}
}
要求：
- 判断代码是否合法。
- 说明
char字面量的基本限制。 - 如果需要表示
"AB"，应该考虑使用什么类型？
7.5 综合训练
设计一个“数字表示观察器”。
暂时不使用键盘输入，固定：
int number = 97;
程序需要输出：
十进制形式
二进制形式
八进制形式
十六进制形式
如果将该数字转换成 char，对应什么字符
要求：
- 合理拆分代码。
- 输出格式清晰。
- 不允许直接把所有答案写死在字符串中。
- 完成后说明十进制
97与字符'a'之间的关系。
7.6 本章验收
在不查看资料的情况下完成：
- [ ] 能解释二进制为什么成为计算机底层数据表示基础。
- [ ] 能说出 bit、Byte 的关系。
- [ ] 能手算基础的二进制与十进制转换。
- [ ] 能解释八进制与十六进制为什么方便表示二进制。
- [ ] 能正确书写 Java 的二进制、八进制和十六进制整数。
- [ ] 能解释 ASCII 中
'A'、'a'、'0'的经典编号。 - [ ] 能区分 ASCII、Unicode 和 UTF-8 的基本角色。
- [ ] 能解释为什么
char + 1会产生整数结果。 - [ ] 能识别 Java 八进制前导
0带来的常见问题。 - [ ] 能解释为什么一个
char不一定等价于一个完整 Unicode 字符。
如果以上内容仍有多项需要查资料才能完成，则本章暂时不应视为真正掌握。