在计算机中是以字节为单位，每个地址对应一个字节，一个字节8bit。在C中，除了8bit的char以外，还有16bit的short，32位的int，64位long，当然具体要由编译器决定，可以通过sizeof来获取不同类型在内存中占用的字节数。在计算机系统中，当物理单位的长度大于1个字节时，就要区分字节顺序。常见的字节顺序有两种：Big Endian(High-byte first)和Litter Endian(Low-byte first)，当然还有其他字节顺序，但不常见，例如Middle Endian。

一、最高有效位、最低有效位

要理解Big Endian和Little Endian，首先要搞清楚MSB和LSB。

1、MSB(Most Significant Bit)最高有效位

在一个n位二进制数字中n-1位，也就是最左边的位。

2、LSB(Least Significant Bit)最低有效位

指最右边的位。

例如：一个int类型的整型123456789

二进制表达方式：0000 0111 0101 1011 1100 1101 0001 0101(从右向左，每4bit对齐，最左边(高位)不够用0补齐)

十六进制表达方式：0　7　5　B　C　D　1　5

按照上述关于MSB和LSB的意思，在二进制表达方式中，bit从0开始，从右向左，bit0为最低有效位，而bit23为最高有效位。而我们一般称左边的0x07为高位字节，0x15为低位字节。

再通俗一点解释就是：8421码的，8这端为高位，1这端为低位，相应的字节则分别称为高位字节和低位字节。

二、内存地址

在内存中，多字节对象都是被存储为连续的字节序列。例如在C语言中，一个类型为int的变量n，如果其存储的首个字节的地址为0x1000，那么剩余3个字节的地址将存储在0x1001~0x1003。总之，不管具体字节顺序是以什么方式排列，内存地址的分配一般是从小到大的增长。我们常把0x1000称为低地址端，把0x1003称为高地址端。

三、大端和小端

搞清楚MSB、LSB、高位字节、低位字节、内存地址之后，再理解大端和小端，就相当容易了，先看看概念：

小端Little Endian：低字节存放在低地址，低位字节排放在内存的低地址端，高位字节排放在内存的高地址端。

大端Big Endian：高字节存放在低地址，即高位字节排放在内存的低地址端，低位字节排放在内存的高地址端。

以二节中的例子int类型整数123456789为例：

小端在内存中排列：0x15 0xCD 0x5B 0x07 (低位在前)

大端在内存中排列：0x07 0x5B 0xCD 0x15 (高位在前)

从例子中可以看出小端比较符合人的思维，而大端则看上去非常直观。

注：

1、例子中是假设编译器支持int为32位的前提下，如果是16位，那大端的排列则为：0xCD 0x15 0x07 0x5B。

2、大小端一般是由CPU架构决定，常见的Intel、AMD的CPU使用的是小端字节序，而PowerPC使用的是大端字节序，有些ARM处理器还可以选择用大端还是小端模式，具体请自行查阅。

3、c#中，字节序跟编译平台所在的CPU相关，例如在Intel x86 CPU架构的windows平台中，c#采用的小端序。而Java由于其JVM屏蔽了不同CPU架构导致的字节序差异，所以默认采用大端字节序。所以，大小端模式是由CPU决定，而编译器又可能会改变这种模式。

字节序

内存地址

int(16bit)

int(32bit)

特点

小端

0x1001,0x1002,0x1003,0x1004

0x15 0xCD 0x5B 0x07

0x15 0xCD 0x5B 0x07

低地址端存储低位字节，低位在前

大端

0x1001,0x1002,0x1003,0x1004

0xCD 0x15 0x07 0x5B

0x07 0x5B 0xCD 0x15

低地址端存储高位字节，高位在前

四、网络字节序和主机字节序

网络字节序(Network Order)：TCP/IP各层协议将字节序定义为Big Endian，因此TCP/IP协议中使用的字节序通常称之为网络字节序。

主机字节序(Host Order)：整数在内存中保存的顺序，它遵循Little Endian规则(不一定，要看主机的CPU架构)。所以当两台主机之间要通过TCP/IP协议进行通信的时候就需要调用相应的函数进行主机序列(Little Endian)和网络序(Big Endian)的转换。

如果是做跨平台开发时，双方需要协商好字节序，然后根据程序运行的环境，确定是否需要字节序转换。

例如约定的通讯字节序位Big Endian，默认的windows采用的Little Endian，那收到数据后就需要做转换操作。

五、C#位操作符

这里简单记录一下C#的位操作符，方便以后自己查阅，也方便理解后面的讲解。

1、按位与&

1&0为0；0&0为0；1&1为1。

2、按位或|

1|0为1；0|0为0；1|1为1。

3、按位取反~

~1为0；~0为1。

4、按位异或^

1^1为0；0^0为0；1^0为1。相等得0，相异等1。

5、左移<<

位左移运算，将整个数向左移若干位，左移后空出的部分用0补齐。

6、右移>>

位右移运算，将整个数向右移若干位，右移后空出的部分用0补齐。

六、C#中关于大端和小端的转换

1、重复轮子

usingSystem;

namespaceFramework.NetPackage.Common

{

///

///字节序转换辅助类/// public static classEndian{

public static shortSwapInt16(this shortn)

{

return(short)(((n & 0xff) << 8) | ((n >> 8) & 0xff));

}

public static ushortSwapUInt16(this ushortn)

{

return(ushort)(((n & 0xff) << 8) | ((n >> 8) & 0xff));

}

public static intSwapInt32(this intn)

{

return(int)(((SwapInt16((short)n) & 0xffff) << 0x10) |

(SwapInt16((short)(n >> 0x10)) & 0xffff));

}

public static uintSwapUInt32(this uintn)

{

return(uint)(((SwapUInt16((ushort)n) & 0xffff) << 0x10) |

(SwapUInt16((ushort)(n >> 0x10)) & 0xffff));

}

public static longSwapInt64(this longn)

{

return(long)(((SwapInt32((int)n) & 0xffffffffL) << 0x20) |

(SwapInt32((int)(n >> 0x20)) & 0xffffffffL));

}

public static ulongSwapUInt64(this ulongn)

{

return(ulong)(((SwapUInt32((uint)n) & 0xffffffffL) << 0x20) |

(SwapUInt32((uint)(n >> 0x20)) & 0xffffffffL));

}

}

}

2、BCL库支持的函数

System.Net.IPAddress.HostToNetworkOrder、System.Net.IPAddress.NetworkToHostOrder，这两个函数的内部实现和上面重复轮子原理一模一样。

七、关于负数

在计算机中，负数以其绝对值的补码形式表示，不明白可以查阅九中贴出的相关资源。关于负数的字节序跟一般整数的字节序处理没有任何区别。

八、关于汉字编码以及与字节序的关系

1、对于gb2312、gbk、gb18030、big5，其编码某个汉字产生的字节顺序，由其编码方案本身决定，不受CPU字节序的影响。其实这几种编码的字节序和大端模式的顺序是一致的。

在使用GB2312的程序通常采用EUC储存方法，以便兼容于ASCII。浏览器编码表上的“GB2312”，通常都是指“EUC-CN”表示法。

每个汉字及符号以两个字节来表示。第一个字节称为“高位字节”，第二个字节称为“低位字节”。

“高位字节”使用了0xA1-0xF7(把01-87区的区号加上0xA0)，“低位字节”使用了0xA1-0xFE(把01-94加上0xA0)。

由于一级汉字从16区起始，汉字区的“高位字节”的范围是0xB0-0xF7，“低位字节”的范围是0xA1-0xFE，占用的码位是72*94=6768。其中有5个空位是D7FA-D7FE。

例如“啊”字在大多数程序中，会以两个字节，0xB0(第一个字节)0xA1(第二个字节)储存。(与区位码对比：0xB0=0xA0+16,0xA1=0xA0+1)。

2、UTF-8

UTF-8和gb系列编码一样，其编码某个汉字产生的字节顺序，由其编码方案决定，不受CPU字节序的影响。无论一个汉字有多少个字节，它的字节序与编码顺序保持一致。

例如汉字”严”利用utf8编码过程：

1、已知“严”的unicode编码是4E25(100111000100101)，根据utf8规则可以得知其utf8编码需要三个字节。

即格式是“1110xxxx 10xxxxxx 10xxxxxx”

第一个字节前三位表示了字符“严”被编码成utf8后的编码长度，有多长，则从左开始填多少个1，如果只有1个字节，则第一个位为0。

对于编码后大于1个字节的符号，第一个字节的第四位为0，其他字节前两位均要求为10。

2、从”严“的最后一个二进制位开始，依次从后向前填入格式中的x，多出的位补0。这样就得到了“严”的utf8编码为“11100100 10111000 10100101”，转换成十六进制就是E4B8A5。

从上述过程可以看到，utf8的字节序已经由其编码方案决定，不受CPU字节序影响。

3、Unicode

Unicode只是一个符号集，它只规定了符号的二进制代码，却没有规定这个二进制代码应该如何存储。所以他没有要求如何存储编码后的字节，也就受CPU字节序的影响。

Unicode的具体实现包括UTF-16、UTF-32(当然也包括UTF-8，但由于其编码方式和编码后的字节序与其他Unicode编码实现有较大区别，所以单独拿出来讲解的)。

4、总结

1、网络通讯

在实际的网络通讯中，网络协议例如TCP是规定网络字节序(Network Order)是大端。而针对汉字具体使用什么编码，通讯双方要么提前约定好，要么就需要在数据包中标识好汉字具体使用的编码。

如果在网络通讯中，涉及例如UTF16这样区分大小端的编码，除非按网络协议要求采用大端模式是，否则也要事先约定好，或者在数据包中标识好使用的字节序模式。

2、文件

文件的也会存储汉字，当然也要进行编码。如果采用UTF-16这样的有字节序模式区分的编码，编码规则要求可以在文件头部的BOM(Byte Order Mark)来标记。如果没有标记，除非事先知道字节序的模式，否则只能大小端都试一遍。

Unicode规范中推荐的标记字节顺序的方法是BOM。BOM不是“Bill Of Material”的BOM表，而是Byte Order Mark。BOM是一个有点小聪明的想法：

在Unicode编码中有一个叫做”ZERO WIDTH NO-BREAK SPACE”的字符，它的编码是FEFF。而FEFF在Unicode中是不存在的字符，所以不应该出现在实际传输中。UCS(Unicode的学名)规范建议我们在传输字节流前，先传输字符“ZERO WIDTH NO-BREAK SPACE”。

这样如果接收者收到FEFF，就表明这个字节流是Big-Endian的；如果收到FFFE，就表明这个字节流是Little-Endian的。因此字符“ZERO WIDTH NO-BREAK SPACE”又被称作BOM。

UTF-8不需要BOM来表明字节顺序，但可以用BOM来表明编码方式。字符“ZERO WIDTH NO-BREAK SPACE”的UTF-8编码是EF BB BF。所以如果接收者收到以EF BB BF开头的字节流，就知道这是UTF-8编码了。

九、参考资源