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- using System;
- namespace Framework.NetPackage.Common
- {
- /// <summary>
- /// 字节序转换辅助类
- /// </summary>
- public static class Endian
- {
- public static short SwapInt16(this short n)
- {
- return (short)(((n & 0xff) << 8) | ((n >> 8) & 0xff));
- }
- public static ushort SwapUInt16(this ushort n)
- {
- return (ushort)(((n & 0xff) << 8) | ((n >> 8) & 0xff));
- }
- public static int SwapInt32(this int n)
- {
- return (int)(((SwapInt16((short)n) & 0xffff) << 0x10) |
- (SwapInt16((short)(n >> 0x10)) & 0xffff));
- }
- public static uint SwapUInt32(this uint n)
- {
- return (uint)(((SwapUInt16((ushort)n) & 0xffff) << 0x10) |
- (SwapUInt16((ushort)(n >> 0x10)) & 0xffff));
- }
- public static long SwapInt64(this long n)
- {
- return (long)(((SwapInt32((int)n) & 0xffffffffL) << 0x20) |
- (SwapInt32((int)(n >> 0x20)) & 0xffffffffL));
- }
- public static ulong SwapUInt64(this ulong n)
- {
- 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。
编码示例过程参考的原文：https://www.eleok.com/thread-1454-1-1.html
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。
【必读】版权免责声明
1、本主题所有言论和内容纯属会员个人意见，与本论坛立场无关。2、本站对所发内容真实性、客观性、可用性不做任何保证也不负任何责任，网友之间仅出于学习目的进行交流。3、对提供的数字内容不拥有任何权利，其版权归原著者拥有。请勿将该数字内容进行商业交易、转载等行为，该内容只为学习所提供，使用后发生的一切问题与本站无关。 4、本网站不保证本站提供的下载资源的准确性、安全性和完整性;同时本网站也不承担用户因使用这些下载资源对自己和他人造成任何形式的损失或伤害。 5、本网站所有软件和资料均为网友推荐收集整理而来，仅供学习用途使用，请务必下载后两小时内删除，禁止商用。6、如有侵犯你版权的，请及时联系我们（电子邮箱1370723259@qq.com）指出，本站将立即改正。
| 
