简单又复杂的“整数类型”

前言

因为一道题目让我不断地深追下去，挖出了我多年的噩梦——数据类型的范围与长度。每次都想得头痛，因为平台不同、编译器不同、编程语言不同等等因素，又没去做实验，网上那么多说法该相信谁都不知道……那不如趁现在就来详细地解决掉它吧。

一、原码、反码和补码

基础知识

相信在大学的《数字逻辑》课上都学过这个内容了，原码、反码和补码都是基于二进制而言的：

【原码】第1位表示符号位，其余位是这个数的绝对值。这是最简单能够马上想到的表示方式了。

【反码】正数的反码是其本身；负数的反码：在原码的基础上，符号位不变，其余位取反。

【补码】正数的补码是其本身；负数的补码：在原码的基础上，符号位不变，其余位取反，最后+1。

举个例子，假设整数在机器上是用8位二进制数表示的（8位就和我们经常说的32位、64位是一样的含义）：

为什么要用原码、反码和补码呢？

原码的来源

为了让二进制能够表示负数，产生了原码。

反码的来源

一个正数和一个负数运算需要辨别符号位，然而单独去辨别符号位会给电路设计带来极大的复杂度，因此人们想只设计加法电路，让符号位直接参与加法运算达到减法的目的，产生了反码。例如：3-2 = 3+(-2) = [0000 0011]反+[1111 1101]反 = [0000 0001]反 = [0000 0001]原=1（注意反码的加法当最高位进位的时候，最低位需要+1，不再详细描述，参考百度百科《二进制反码求和》）。这样符号位就能够参与运算了。

补码的来源

反码看起来很完美，但是仍然存在问题。例如3-3 = 3+(-3) = [0000 0011]反+[1111 1100]反 = [1111 1111]反 = [1000 0000]原=-0，而[0000 0000]反=[0000 0000]原 = +0，也就是说，零可以表示为两种形式，这种歧义同样不利于电路实现。并且由于反码的加减法还需要对溢出位进行处理，于是产生了补码。补码对溢出位直接丢弃，而0的表示只有一种[0000 0000]补，[1000 0000]补则看成是-128，解决了所有问题。

原码、反码和补码的范围问题

值得注意的是，8位的原码和反码都只能表示[-127, +127]范围内的整数，而补码可以表示[-128, +127]范围，多一个-128。这里的-128是计算得到的，而不是从反码推出的，-128根本无法用反码表示，却能够用补码计算，比如-127+(-1) = [1000 0001]补+[1111 1111]补 = [1000 0000]补。所以我们经常背的整数取值范围[-32768, +32767]之类的东西为什么负数总比整数的真值大1，就是这样来的。

计算机中按位取反会发生什么？

既然计算机表示的时候用的是补码，那么如果对十进制的整数【按位取反】操作到底操作的是补码还是二进制呢？

实验一下吧：

printf("%d\n", ~(3));
printf("%d\n", ~(-3));

【平台】windows 8 64位

【IDE】vs2013 32位

【语言】C语言

【取反操作】~

【取反结果】~3 = -4，~(-3) = 2

数值比较小，最高位没有影响，就按照8位来仔细观察第一组数据：

3 = [0000 0011]b = [0000 0011]原 = [0000 0011]反 = [0000 0011]补

-4 = [无法表示]b = [1000 0100]原 = [1111 1011]反 = [1111 1100]补

对补码取的反，再来看第二组：

-3 = [无法表示]b = [1000 0011]原 = [1111 1100]反 = [1111 1101]补

2 = [0000 0010]b = [0000 0010]原 = [0000 0010]反 = [0000 0010]补

可以确信100%是对补码取的反了，纯的。

二、C语言中的整数类型的大小和范围

以前我们常常会去记忆[-32767, +32768]，尤其是在学pascal的时候，然而现在仔细想想，pascal都是多少年前的编程语言了，那时的电脑和现在的电脑完全不相同，记这个根本没用。整数类型的大小和范围和操作系统、编译器、编程语言都息息相关，抛开运行环境谈论sizeof出什么结果的题目都是耍流氓，然而笔试题这种流氓经常存在………

整数类型的范围与表示位数

用不同位数表示整数，取值的范围就不相同，由于采用补码，总可以多表示一个负数：

image

无符号unsigned

无符号的时候，就可以不用担心符号位了，也就是可以表示0~2^bit-1个数，比如：

[图片上传中...(image-c2f5cb-1538823212663-8)]

C语言中的整数类型及其长度

基本整数类型有：char、short int、int、long、long long（c99新增）。

我总是在死记长度，总以为long比int更长，但其实C语言标准是这样规定的：

int最少16位（2字节），long不能比int短，short不能比int长，具体位长由编译器开发商根据各种情况自己决定。

好一个“自己决定”……好一个“不能比”……还是通常情况吧，列个表：

image

32位表示方式中，long int和int是一样大的！同时还反映了一个问题：64位运行的代码不一定能在32位上运行。

C语言数据类型名称、输出和编译器的关系

g++和gcc

g++把.c和.cpp程序都认为是c++程序，gcc则会用C语言的方式编译.c，用C++的方式编译.cpp。也就是说，如果你用C写的程序，用g++编译，很可能会报语法错误，因为g++对语法要求更严格，尽管C++是C语言的超集。其他的区别就是，g++能够自动链接c++的库，而gcc需要手动设置参数。

gcc/g++与cl

vs使用的编译器是cl.exe，这是微软自己开发的编译器。CL.exe是控制 Microsoft C 和 C++ 编译器与链接器的 32 位工具。cl和clang是不同的，在Visual Studio 2015已经整合了clang编译器，但它是被用于Android和 iOS上的应用开发。

整数类型不同表示方式以及输出

Visual Studio是在windows下运行的，通常支持__intxx这种写法来定义不同位数的整数，这是gcc/g++通常不支持的（没有实验过）。而long long这种写法在Visual C++ 6.0上是不支持的（没有实验过）。不过，在Visual Studio 2013上，全部的写法都支持，很可靠，列个表：

image

并且，所有的printf写法都支持：

image

做个实验：
【操作系统】windows 8 64位
【IDE】Microsoft Visual Studio 2013 32位
【编译器】cl.exe win32
【代码】

long long a = 1231321313131313131;
__int64 b = 1231321313131313131;

printf(" type=long long\n d=%d\n ld=%ld\n lld=%lld\n I64d=%I64d\n ---\n", a,a,a,a);
printf(" type=__int64\n d=%d\n ld=%ld\n lld=%lld\n I64d=%I64d\n", b,b,b,b);

【输出结果】

image

d和ld都溢出了，而lld、I64d可以工作得很好，而且对long long 和__int64没有任何区别
整数类型越界会发生什么？
这是一直都很好奇的事情，那就来实验一下。
【操作系统】windows 8 64位
【IDE】Microsoft Visual Studio 2013 32位
【编译器】cl.exe win32
【实验结果】

1. 取值范围
2. unsigned short int 0~65535
3. unsigned int 0～4294967295
4. int -2147483648～2147483647
5. long -2147483648 ~ 2147483647
6. long long -9223372036854775808 ~ 9223372036854775807
7. 超上限（越来越大）会从最小值开始重新增长：
8. unsigned short int 65536=0 | 65537= 1
9. unsigned int 4294967296=0 | 4294967297= 1
10. int 2147483648=-2147483648 | 2147483649 = -2147483647
11. long 2147483648=-2147483648 | 2147483649 = -2147483647
12. long long 9223372036854775808 = -9223372036854775808 | 9223372036854775809 = -9223372036854775807
13. 超下限（越来越小）会从最大值开始重新减小：
14. unsigned short int -1=65535 | -2=65534
15. unsigned int -1=4294967295 | -2=4294967294
16. int -2147483649=2147483647 | -2147483650=2147483646
17. long -2147483649=2147483647 | -2147483650=2147483646
18. long long -9223372036854775809 = -9223372036854775807 | 9223372036854775810 = -9223372036854775806

【探究原因】
想一下刚才的补码，假设32位，int取最大值2147483647，打开你的计算器，选择查看→程序员，输入这个数字，看到它的补码：

image

[0111 1111 1111 1111 1111 1111 1111 1111]补 + [0000 0000 0000 0000 0000 0000 0000 0001]补的结果是[1000 0000 0000 0000 0000 0000 0000 0000]补 = -2147483648。
这就是为什么越界的2147483648，打印输出-2147483648的原因了。
【其他】
注意如果你直接进行赋值：

int a = -2147483648;

VS是会报错的：

image

long long 也是如此，因此这时候应该用：

int a = INT_MIN;
long long b = LLONG_MIN;

来表示，可以看到它们的宏定义：

image

说好的可以多表示一个负数呢，怎么不行了呢，具体原因参考wiki《VS编写C程序报错error C4146: 一元负运算符应用于无符号类型，结果仍为无符号类》

三、JAVA语言中的整数类型的大小和范围

基本信息
因为我在尽量主学Java副学Python，所以这里也记录一下java的整数类型。java的整数类型比较神奇，有四种基本整数类型：byte、short、int、long，但由于java的设计初衷是跨平台运行的，Write Once and Run Anywhere，所以这几种类型的字长都是固定的，与任何其他的32位64位都无关，列个表：

<figure style="margin: 1em 0px; color: rgb(26, 26, 26); font-family: -apple-system, BlinkMacSystemFont, "Helvetica Neue", "PingFang SC", "Microsoft YaHei", "Source Han Sans SC", "Noto Sans CJK SC", "WenQuanYi Micro Hei", sans-serif; font-size: medium; font-style: normal; font-variant-ligatures: normal; font-variant-caps: normal; font-weight: 400; letter-spacing: normal; orphans: 2; text-align: start; text-indent: 0px; text-transform: none; white-space: normal; widows: 2; word-spacing: 0px; -webkit-text-stroke-width: 0px; background-color: rgb(255, 255, 255); text-decoration-style: initial; text-decoration-color: initial;"> image

</figure>

你可以自己测试一下：

System.out.println("Byte: " + Byte.SIZE/8);
System.out.println("Short: " + Short.SIZE/8); 
System.out.println("Integer: " + Integer.SIZE/8); 
System.out.println("Long: " + Long.SIZE/8);

java中的unsigned类型

java是几乎没有unsigned类型的。为什么说几乎呢，因为在多年的呼吁之后，最新的jdk8支持了unsigned的静态方法调用（也就是说不支持直接写unsigned int这种写法，只能通过Integer.xxxx来调用），参看《Unsigned Integer Arithmetic API now in JDK 8》。真应了那句老话：真香！为什么大家那么希望有unsigned类型呢？因为常常需要处理图片，而我们知道通常的图片数据是从0变化到255的，如果有unsigned byte，那不就刚好了嘛_{由于没有unsigned，目前主流的做法是使用更大的类型比如short或者int。值得注意的是，如果要把表达0}255取值的byte转换到short/int，要处理一下符号。因为当从0~255的short/int转换为byte时，考虑他们的补码，例如255：
255 = short [0000 0000 1111 1111]补 → byte [1111 1111]补 = -1
128 = short [0000 0000 1000 0000]补 → byte[1000 0000]补 = -128
0 = short [0000 0000 0000 0000]补 → byte[0000 0000]补 = 0
127 = short[0000 0000 0111 1111]补 → byte[0111 1111]补 = 127
可以看出，0_{127(short)被映射到0}127（byte），而128_{255则被映射到（-128}-1）了，因此在byte转回short/int时，如果不加处理，得到的值会是-128：
-128 = byte[1000 0000]补 → short [1111 1111 1000 0000]补 = -128
处理的方法很简单，加个掩码0xff屏蔽掉高位的符号扩展即可，也就是将byte的值与0xff进行按位与：
-128 & 0xff = byte[1000 0000]补 & [1111 1111] → short[1111 1111 1000 0000]补 & [0000 0000 1111 1111] = [0000 0000 1000 0000]补 = 128
得到的值就正常了，用代码实验一下：

short s_init = 128,s_force,s_and;
 byte b_force;
        b_force = (byte)s_init;
        s_force = (short)b_force;
        s_and = (short)(b_force & 0xFF);
 System.out.println("初始short值= "+s_init+"\n转为byte= "+b_force+"\nbyte转为short= "+s_force+"\nbyte掩码后转为short= "+s_and);

得到的结果是：

初始short值= 128
转为byte= -128
byte转为short= -128
byte掩码后转为short= 128

java中的char
char类型长度2个字节，而且取值是无符号的0~65535，其他编程语言通常都是1个字节。java的char是Unicode编码，可以存放中文字符。那么为什么不用它来作为unsigned int 用呢？
【原因1】输出为字符。
java的char类型是设计为存储unicode字符的，采用UTF-16固定宽度的编码格式。虽然赋值的是数值88，但当调用System.out.println(a);的时候，出现的是字母X。
【原因2】运算困难。

char a = 88;
a = a + 1;

编译器会报错需要char类型，而给的是int，因为当char类型运算后就是int类型了，不能直接存回char类型，需要进行强制转换：

a = (char)(a + 1);

既然这么麻烦，为何不直接用int呢？
java中整数类型越界会发生什么？
和C语言是一样的：当越上界，会从最小值继续累加；当越下界，会从最大值继续减小。原因同样是因为补码溢出位被丢弃，在测试的时候，不能直接赋值越界数值，否则会提示类型不匹配或者整数太大了。使用常量+1再强制转换类型，达到越界目的。

byte a = (byte)(Byte.MAX_VALUE+1);

输出结果：-128

作者：三颗豆子
链接：简单又复杂的“整数类型” | 文章 | BEWINDOWEB

---

PS：码字不容易，如果对您有帮助的话，帮忙转发一下，谢谢啦~

微信搜索公众号：轮子工厂

会定期分享一些科研资料和学习笔记~

image.png