C 语言中的数据存储：从类型到二进制位

C 语言的很多问题，表面上看是"输出为什么不一样"，本质上却是同一段内存被不同方式解释了。一个变量需要占用多少空间？负数如何保存？多字节数据在内存中如何排列？整数和浮点数为什么不能用同一种方式解读？这些问题都指向同一个主题：数据在计算机中的表示与存储。

理解这些规则之后，类型转换、溢出、大小端以及浮点数精度等现象就不再神秘。调试内存问题时，也能从"猜结果"转向"按位分析"。

一、数据类型不仅决定大小，还决定解释方式

在 C 语言中，类型至少承担两项职责：

决定变量开辟多少内存空间，从而影响可表示的范围。
决定程序如何解释这段内存中的比特序列。

常见的基本类型包括字符型、整型和浮点型：

c 复制代码

char ch;
short short_value;
int integer_value;
long long long_value;
long long very_long_value;
float single_precision;
double double_precision;

整型还可以带有 signed 或 unsigned 修饰：

c 复制代码

signed int signed_value;
unsigned int unsigned_value;

signed 类型需要同时表示正数和负数，通常会划出一部分位表示符号；unsigned 类型只表示非负数，因此同样的位数可以覆盖更大的非负范围。

除了基本类型，C 语言还提供了数组、结构体、联合体、枚举和指针等构造类型。void 表示没有具体类型，常用于函数无返回值、函数参数列表以及通用指针等场景。

C 语言没有内置的独立字符串类型。字符串通常由 char 数组保存，并以 \0 作为结束标志：

c 复制代码

char message[] = "hello";

这个数组实际需要保存 6 个字符，其中最后一个字符是字符串结束标志。

二、整数在内存中如何表示

假设一个整数使用固定数量的二进制位存储。对于有符号整数，最高位通常承担符号位的作用：0 表示正数，1 表示负数。正数的原码、反码和补码相同，负数则有不同的表示规则。

1. 原码

原码最直观：最高位表示符号，其余位表示数值的绝对值。

以 8 位表示 +5 和 -5 为例：

text 复制代码

+5 的原码：00000101
-5 的原码：10000101

2. 反码

正数的反码与原码相同。负数的反码保持符号位不变，将数值位逐位取反：

text 复制代码

-5 的原码：10000101
-5 的反码：11111010

3. 补码

负数的补码等于反码加 1：

text 复制代码

-5 的反码：11111010
加 1     ：00000001
-5 的补码：11111011

现代计算机的主流整数实现使用补码保存有符号数。补码的优势在于，符号位可以和数值位统一参与运算，加法和减法可以由同一套加法电路完成，不需要为负数单独设计一套运算硬件。

以 8 位补码为例，-1 的所有位都是 1，最小值的最高位为 1、其余位为 0。补码的取值范围通常是 -2^(n-1) 到 2^(n-1)-1，因此 8 位有符号整数通常为 -128 到 127，而 8 位无符号整数为 0 到 255。

实际可用范围仍应以 limits.h 中的宏为准，因为 C 语言类型的大小和某些细节与实现有关：

c 复制代码

#include <limits.h>
#include <stdio.h>

int main(void)
{
    printf("int: %d to %d\n", INT_MIN, INT_MAX);
    printf("unsigned int max: %u\n", UINT_MAX);
    return 0;
}

三、类型转换和边界行为

当不同类型参与运算时，C 语言会进行整数提升和常见类型转换。小整数类型通常会先提升为 int 或 unsigned int，结果再按照格式说明符进行输出。因此，分析输出时不能只看变量声明，还要看表达式经过了什么转换。

1. `char` 的符号属性

普通 char 究竟是有符号还是无符号，由具体实现决定；需要明确语义时应直接写 signed char 或 unsigned char：

c 复制代码

#include <stdio.h>

int main(void)
{
    char plain = -1;
    signed char signed_value = -1;
    unsigned char unsigned_value = (unsigned char)-1;

    printf("plain = %d\n", (int)plain);
    printf("signed = %d\n", (int)signed_value);
    printf("unsigned = %u\n", (unsigned int)unsigned_value);
    return 0;
}

在常见的 8 位字符实现中，unsigned char 保存 -1 转换后的结果通常是 255，而有符号字符可能显示为 -1。为了避免格式不匹配，输出前显式转换为与 %d 或 %u 对应的类型是更稳妥的做法。

当一个有符号值转换为无符号类型时，结果会按照目标类型的模进行计算。例如，8 位无符号数中 -1 对应的位模式通常是 11111111，也就是 255。

2. 无符号循环的陷阱

下面的循环不会按预期在 0 之后结束：

c 复制代码

unsigned int i;
for (i = 9; i >= 0; --i) {
    printf("%u\n", i);
}

原因是 i 不可能小于 0。当 i 为 0 时再减 1，会按照无符号类型的规则回绕到很大的值，条件 i >= 0 仍然成立。遍历无符号数时，应使用不会产生下溢的条件，例如：

c 复制代码

for (unsigned int i = 10; i-- > 0;) {
    printf("%u\n", i);
}

四、大小端：多字节数据的排列顺序

一个 char 通常占 1 个字节，而 short、int、double 等对象可能由多个字节组成。既然每个字节都有独立地址，就必须规定一个多字节数据的高位字节和低位字节如何排列，这就是字节序问题。

以数值 0x1122 为例，0x11 是高位字节，0x22 是低位字节。

大端模式：低地址保存高位字节，高地址保存低位字节。
小端模式：低地址保存低位字节，高地址保存高位字节。

如果对象从地址 0x0010 开始，那么大端排列是：

text 复制代码

0x0010: 0x11
0x0011: 0x22

小端排列则是：

text 复制代码

0x0010: 0x22
0x0011: 0x11

常见的 x86 平台使用小端模式，许多 ARM 平台也通常使用小端模式，但程序不应无条件假设所有设备的字节序都相同。处理网络协议、文件格式或跨平台二进制数据时，必须明确规定并转换字节序。

判断当前机器的字节序

可以把一个整数的地址转换为字节指针，观察最低地址处保存的第一个字节：

c 复制代码

#include <stdio.h>

int is_little_endian(void)
{
    unsigned int value = 1;
    return *(unsigned char *)&value == 1;
}

int main(void)
{
    puts(is_little_endian() ? "little endian" : "big endian");
    return 0;
}

通过 unsigned char * 查看对象的字节表示是符合 C 语言别名访问规则的常见做法。这里观察的是最低地址的一个字节，而不是改变原对象的类型含义。

五、浮点数不是"带小数点的整数"

常见的浮点类型包括 float、double 和 long double。整数主要关注每一位的权值，而浮点数通常采用科学计数法形式，把数拆分为符号、有效数字和指数：

text 复制代码

V = (-1)^S × M × 2^E

其中：

S 是符号位，0 表示正数，1 表示负数；
M 是有效数字，通常规范化为 1.xxxxx；
E 是指数，决定二进制小数点的位置。

例如十进制 5.0 的二进制形式是 101.0，规范化后是 1.01 × 2^2，因此符号为 0，有效数字为 1.01，指数为 2。-5.0 只需把符号位改为 1。

六、IEEE 754 的基本布局

IEEE 754 是广泛使用的浮点数表示标准。

1. 32 位 `float`

text 复制代码

符号位 1 位 | 指数位 8 位 | 小数部分 23 位

2. 64 位 `double`

text 复制代码

符号位 1 位 | 指数位 11 位 | 小数部分 52 位

有效数字规范化后，整数部分通常一定是 1，因此存储时省略这个隐含的 1，只保存小数部分。这样，32 位浮点数的 23 位小数域实际可以表达 24 位有效二进制数字。

指数域按无符号数保存，但真实指数可能为负数，所以需要加上偏置值：float 的偏置值通常为 127，double 的偏置值通常为 1023。

以 0.5 为例：

text 复制代码

0.5 = 0.1（二进制）= 1.0 × 2^-1
保存的指数 = -1 + 127 = 126

3. 特殊指数

指数域并不是普通数值时，还需要按照 IEEE 754 的特殊规则解释：

指数全为 0：用于表示 0 和非规格化数，此时有效数字不再隐含最高位的 1；
指数既不全为 0，也不全为 1：使用正常的规格化浮点数规则；
指数全为 1 且小数部分全为 0：表示正无穷或负无穷，符号由符号位决定；
指数全为 1 且小数部分不为 0：通常表示 NaN，用于表示无效或不可定义的结果。

七、同一组位模式可以有不同的解释

下面的程序让同一块内存先按 int 使用，再通过指针按 float 解释：

c 复制代码

#include <stdio.h>

int main(void)
{
    int number = 9;
    float *float_ptr = (float *)&number;

    printf("as int: %d\n", number);
    printf("as float: %f\n", *float_ptr);

    *float_ptr = 9.0f;
    printf("as int after writing float bits: %d\n", number);
    printf("as float after writing: %f\n", *float_ptr);
    return 0;
}

这里的关键不是"整数 9 变成了某个浮点数"，而是同样的 32 个二进制位被两套规则解释。整数 9 的位模式是 0x00000009，将它拆成 IEEE 754 的符号、指数和小数部分后，指数域全为 0，因此对应的是一个非常接近 0 的浮点值，使用普通十进制格式输出时可能显示为 0.000000。

若把浮点数 9.0 按 IEEE 754 编码，它的二进制形式为：

text 复制代码

9.0 = 1001.0 = 1.001 × 2^3

因此符号位为 0，保存的指数为 3 + 127 = 130，小数部分保存 001 后补 0。得到的 32 位位模式如果再按整数解释，会得到一个很大的整数。这再次说明：内存只保存位，真正的含义来自访问它的类型。

在需要安全地查看位模式时，推荐使用 memcpy，避免通过不兼容的指针类型直接解引用：

c 复制代码

#include <stdint.h>
#include <string.h>

uint32_t float_bits(float value)
{
    uint32_t bits;
    memcpy(&bits, &value, sizeof bits);
    return bits;
}

八、分析内存问题时的思路

遇到输出异常、类型转换结果出乎意料或跨平台数据不一致时，可以按下面的顺序排查：

确认变量的实际类型和 sizeof 大小，不要凭平台经验猜测。
区分有符号和无符号，检查是否发生了整数提升或隐式转换。
对负数先写出原码、反码和补码，再分析运算结果。
处理多字节对象时确认机器的大小端，尤其是文件和网络数据。
判断这组位是按整数、字符还是浮点数解释，不能只看十六进制数值。
输出时匹配格式说明符，并对窄整数类型做适当的显式转换。
分析浮点数时拆分符号、指数和有效数字，同时考虑精度与特殊值。

C 语言之所以强大，正是因为它允许程序员直接接触内存和位级表示；但这种自由也要求我们明确类型、范围、布局和转换规则。把数据看成"类型赋予含义的二进制位"，就能更系统地理解溢出、大小端、类型转换和浮点数存储等问题。

C 语言中的数据存储：从类型到二进制位