DataInput 的 javadoc 中的“bits 6-0”或“bits 10-6”是什么意思？

Question

阅读the javadoc of DataInput specifically in the "Modified UTF-8" section时。我遇到了三个表，上面写着“0 bits 6-0”、“1 1 0 bits 10-6”、...、“1 0 bits 5-0”。

我是 Java 新手，所以对我来说它看起来像减法，不确定，但如果是这种情况，我们将它添加到 1 和 0 中，它会产生 7 位。 据我所知，一个字节由8位组成。

这些“0 bits 6-0...”是什么意思？

Answer 1

javadoc 告诉你每个字节是如何划分的。

将每个字节视为由 8 个独立元素（位）组成的向量。

第一个块只有一个字节，以及对应的可能位值。

byte 1

bit number 7 6 5 4 3 2 1 0
bit value  0 ? ? ? ? ? ? ? <-- bits 6 - 0

这意味着对于以一个字节编码的字符，前导位将始终为 0。这些是从 \u0001 到 \u007F 的字符。

第二个块有两个字节，有点复杂

byte 1                       byte 2

bit number 15 14 13 12 11 10 9 8 | 7 6 5 4 3 2 1 0
bit value   1  1  0  ?  ?  ? ? ? | 1 0 ? ? ? ? ? ?
                          ^                 ^
                          |                 |
                   bits 10 to 6 of       bits 5 to 0 of
                 the utf-8 codepoint    the utf-8 codepoint

这些是从\u0080 到\u07FF 范围内的字符

例如，这个范围内的符号是 µ（微符号）。

在普通的 unicode 中，字节为 11000010 10110101

看看这个字符，看看它是如何与两字节字符的位对齐的。你有

15 14 13 12 11 10 9 8    7 6 5 4 3 2 1 0
 1  1  0  0  0  0 1 0    1 0 1 1 0 1 0 1

Bits 10-6 ------*-*-*----*-* ^-^-^-^-^-^----bits 5-0

你最终得到

byte 1                       byte 2

bit number 15 14 13 12 11 10 9 8 | 7 6 5 4 3 2 1 0
bit value   1  1  0  -  -  0 1 0 | 1 0 1 1 0 1 0 1

字节 11 和 12 将是 0，但我放了一个 - 只是为了显示它们的（不）意义。

对 ascii 艺术感到抱歉，希望对您有所帮助。

Answer 2

它显示位的范围。位被编号，最低、最低有效位的索引为 0，下一位的索引为 1，下一位的索引为 2，等等。例如，数字 13 的二进制表示为 1101。这意味着第 0 位的值为 1，位第 1 位的值为 0，第 2 位和第 3 位的值为 1。因此，例如，在文档中，“0 位 6-0”表示字节中的最高位必须为零，而七个低位与从 6 到 0 的索引都被你的号码占用了。

Answer 3

该表正在讨论如何在修改后的 UTF8 编码中表示字符。我将以这部分为例：

空字符“\u0000”和“\u0080”到“\u07FF”范围内的字符由一对字节表示。

请注意，您可以使用 11 位来表示这些数字。您可以用 11 位表示的最大数字是 2^11 - 1 = 2047 = 7FF（十六进制）。让我们将这 11 位从 0 编号到 10，因此第 10 位是最高有效位，第 0 位是最低有效位。

表格告诉您，在修改后的 UTF8 编码中，编码这些数字的字符由 2 个字节表示。

第一个字节以 110 位开始（这三个位是固定的），接下来是我们试图表示的数字的 bit-10、bit-9、bit-8、bit-7、bit-6。

第二个字节从第10位开始（这两位是固定的），后面是数字的第5位、第4位、第3位、第2位、第1位、第0位。

简而言之，“bits 10-6”的意思是“bits 10到 6”，不是4位，而是5位。

我鼓励您将此与普通的UTF8 编码进行比较，看看有什么不同。