分别在二进制和文本文件中存储数字需要多少字节

Question

如果我想存储一个数字，比如说 56789 在一个文件中，分别需要多少字节才能将它存储在二进制文件和文本文件中？我想知道如何将字节分配给二进制和文本文件中的数据。

Answer 1

这取决于：

• 文本编码和数字系统（十进制、十六进制等等...）
• 签署/未签署
• 单个整数或多个（需要分隔符）
• 数据类型
• 目标架构
• 使用压缩编码

在 ASCII 中，一个字符占 1 个字节。在 UTF-8 中，一个字符占用 1 到 4 个字节，但数字总是占用 1 个字节。在 UTF-16 或 Unicode 中，每个字符需要 2 个或更多字节。

非 ASCII 格式的文件可能需要额外的 2 个字节（初始 BOM），这取决于创建文件时使用的编辑器和/或设置。

但是让我们假设您将数据存储在一个简单的 ASCII 文件中，否则讨论会变得不必要地复杂。

我们还假设您使用十进制数字系统。

在十六进制中，您使用数字0-9和字母a-f来表示数字。十进制（基-10）等34234324423。将7F88655C7十六进制（碱-16）。在第一个系统中，我们有 11 位数字，在第二个系统中只有 9 位数字。最小基数为 2（数字0和1），常见的最大基数为 64（基数为 64）。从技术上讲，使用 ASCII，您可以达到 base-96 或 base-100，但这种情况非常罕见。

每个数字 ( 0-9) 将占用一个字节。如果您有带符号的整数，则额外的减号将引导数字（因此负数会额外收取 1 个字节）。

在某些情况下，您可能希望存储多个数字。您将需要一个分隔符来区分数字。逗号 ( ,)、冒号 ( :)、分号 ( ;)、管道 ( |) 或换行符 ( LF，CR或在 Windows 上CRLF，需要 2 个字节) 在 djungle 中都被观察到作为数字的合法分隔符。

什么是数字？你头脑中的数字8的概念或想法就是数字。在石头、纸张、磁带或屏幕上的像素上对该概念的任何表示都只是：表示。它们是代表你在大脑中理解的符号。那些是数字。请不要将数字与数字混淆，这种区别是数学和计算机科学的基础。

在这些情况下，您希望为每个数字的分隔符计算一个附加字符。或者也许每个数字减一。这取决于您是想用标记终止每个数字还是将数字彼此分开：

示例（三位数字和三个换行符）：6 个字节

1<LF>
2<LF>
3<LF>

示例（三位数字和两个逗号）：5 个字节

1,2,3

示例（四位数字和一个逗号）：5 个字节

2134,

示例（符号和一位数字）：2 个字节

-3

如果您以二进制格式存储数据（不要与二进制数系统混淆，后者仍然是文本格式），占用的内存取决于整数类型（或者更好的是整数的位长）。

一个八位字节 (0..255) 将占用 1 个字节。不需要分隔符或前导标志。

16 位float将占用 2 个字节。对于 C 和 C++，必须考虑底层架构。integer在 32 位体系结构上的通用将占用 4 个字节。针对 64 位体系结构编译的完全相同的代码将占用 8 个字节。

这些平面规则也有例外。例如，Google 的protobuf使用了一种利用可变长度编码的zig-zag VarInt实现。

这是VarIntC/C++ 中的实现。

编辑：添加了 Thomas Weller 的建议

除了实际的文件内容之外，您还必须存储有关文件的元数据（用于簿记，例如第一个扇区、文件名、访问权限等）。对于占用磁盘空间的文件，此元数据未显示，但实际上存在。

如果您存储在一个单独的文件中的每个数字，如数字10文件中result-10，这些元数据条目将占据比数字本身更多的空间。

如果您在一个文件中存储十、百、千或数百万/十亿个数字，则该开销变得越来越无关紧要。

更多关于元数据在这里。

编辑：更清楚地了解文件开销

如上所述，开销在相关情况下是相关的。

但这不是文本格式和二进制格式之间的区别。正如 doug65536 所说，无论您如何存储数据，如果文件系统结构相同，都没有关系。

文件是一个文件，如果它包含二进制数据或 ASCII 文本，则它是独立的。

尽管如此，上述推理独立于您选择的格式。