字节（byte）是什么？

字母 A 存储在你的电脑里时，是数字 65，而数字 65 是用八个比特存储的：01000001。这一组八个比特就是一个字节。内存地址按字节计数，文件大小按字节计数，编程语言里几乎每种数据类型的长度都是整数个字节。

为什么一个字节是 8 位

“byte”这个词是 Werner Buchholz 于 1956 年在参与 IBM Stretch 计算机项目时创造的。他特意用 y 来拼写，免得被误读为“bit”。早期计算机使用各种不同大小的分组，常见的是 6 位，足够表示大写字母和数字，却放不下小写字母。

IBM 在 1964 年发布的 System/360 采用了 8 位字节，整个行业随后跟进。八个比特能表示 256 个值，足以容纳大小写字母、数字、标点符号和控制码。8 还是 2 的幂，所以一个字节可以平均分成两个 4 位的半部分，每一半写成一位十六进制数字。网络标准在需要明确表示“恰好 8 位”时，至今仍使用“八位组”（octet）这个说法。

一个字节能存什么

一个字节有 256 种可能的模式，从 00000000 到 11111111。程序通常用以下几种标准方式来解读它：

• 0 到 255 之间的无符号数；
• -128 到 127 之间的有符号数；
• 一个字符，比如 A（65）或 !（33）；
• 两位十六进制数字，从 00 到 FF。

Python 的 bytes 类型就是由这些值组成的序列，任何超出 0 到 255 的值都会被拒绝：

data = bytes([72, 105, 33])
print(data)
print(list(data))
print(format(data[0], "08b"), format(data[0], "02X"))

try:
    bytes([256])
except ValueError as error:
    print("ValueError:", error)

b'Hi!'
[72, 105, 33]
01001000 48
ValueError: bytes must be in range(0, 256)

并不是每个字符都能放进一个字节。UTF-8 是网络上最常用的编码，它用 1 个字节存储 128 个 ASCII 字符，其他字符则占 2 到 4 个字节：

for text in ["A", "é", "€", "😀"]:
    data = text.encode("utf-8")
    print(text, len(data), "bytes:", list(data), data.hex())

A 1 bytes: [65] 41
é 2 bytes: [195, 169] c3a9
€ 3 bytes: [226, 130, 172] e282ac
😀 4 bytes: [240, 159, 152, 128] f09f9880

这就是为什么字符串的字符数和它的字节数可能不同。

比特与字节的区别

一个比特是单个 0 或 1，一个字节是 8 个比特。这两个单位很容易混淆，因为它们的符号只有大小写之分：

要把比特换算成字节，就除以 8。100 Mbps 的宽带每秒最多传输 12.5 MB，所以用它下载一张 5 MB 的照片至少需要 0.4 秒。

KB、MB 和 GB

更大的单位有两套体系，正是两者之间的差距，让新硬盘在 Windows 里看起来比标签上写的小。

硬盘厂商、网速以及 macOS（从 2009 年的 10.6 版开始）使用十进制单位。内存容量和 Windows 使用二进制单位，但 Windows 把它们标为 KB、MB 和 GB。IEC 在 1998 年引入了 kibibyte、mebibyte 和 gibibyte 这些名称来消除混乱，不过很多程序至今仍未采用。

drive = 1_000_000_000_000        # a "1 TB" drive, in bytes

print(drive / 1000 ** 4, "TB (decimal, used on the box)")
print(round(drive / 1024 ** 3, 1), "GiB (binary, what Windows calls GB)")

speed_bits = 100_000_000         # 100 Mbps internet
print(speed_bits / 8 / 1_000_000, "MB per second")

1.0 TB (decimal, used on the box)
931.3 GiB (binary, what Windows calls GB)
12.5 MB per second

空间并没有丢失。硬盘确实装得下包装盒上承诺的一万亿字节，只是 Windows 连续三次除以 1,024，而不是 1,000。

代码中的字节

内存中的每个值都占用整数个字节。在 C 中，sizeof 会报告这个数字。按定义，char 恰好是 1 个字节；在当前的 64 位 Linux、macOS 和 Windows 系统上，short 是 2 个字节，int 是 4 个，double 是 8 个。因此，一个包含 1,000 个 int 值的数组占用 4,000 个字节。

printf("%zu\n", sizeof(int));   /* prints 4 */

Java 的 byte 类型始终是有符号的，范围从 -128 到 127，所以像 200 这样的值放不进去：

byte b = (byte) 200;   // b is -56: the same 8 bits, read as signed

图片、压缩文件和网络数据包这类原始数据，都以字节数组的形式处理：Python 中是 bytes 和 bytearray，Java 中是 byte[]，JavaScript 中是 Uint8Array。在 Python 中用 "rb" 模式打开文件，得到的是它的字节而不是文本。

哈希值和校验和也用字节来衡量。SHA-256 摘要是 32 个字节，所以打印出来是 64 个十六进制字符；CRC32 校验和是 4 个字节。哈希生成器可以为任意文本显示这两种值。

下一步学什么

想了解字节底下的单位，可以阅读比特是什么；想知道如何用字节检测损坏的文件，可以阅读校验和是什么。进制转换器能把任意字节在十进制、二进制和十六进制之间转换，C 语言数据类型指南列出了每种 C 类型占用的字节数。