字符编码的相关知识联想到本地二进制代码困惑

Question

最近在看字符编码的相关知识，又联想到二进制代码的知识，由于本人不是科班出身，对一些二进制代码即本地代码了解不深，所以有几个问题感到很困惑，所以希望懂相关知识的人帮我顺一顺。
VS默认是将文本本件(包括cs文件)以utf-8编码方案编码成字节的，举个例子

我们AaBb经过utf-8编码后是E6 88 91 E4 BB AC 41 61 42 62
E6 88 91(代表我) E4 BB AC(代表们) 41(A) 61(a) 42(B) 62(b)

[color=red]第一个问题：[/color]我是不是可以认为将这些16进制转换成2进制后就是 我们AaBb 在计算机的存储方式? 如下
11100110 10001000 10010001(代表我) 11100100 10111011 10101100(代表们) 1000001(A) 1100001(b) 1000010(B) 1100010(b)

如果换成是utf-16编码的 Little_Edian方式(每个字符占2个字节) 就是
11 62(代表我) EC 4E(代表们) 41 00(A) 61 00(a) 42 00(B) 62 00(b)

既然说到了2进制，我就想起了本地代码，从开始学语言的时候就看到各种各样的人说机器语言是01010这种2进制云云...
那么对于C# java先看一下下面
源代码 C#,java
↓
托管代码 .NET:IL(中间语言) JAVA:字节码等
↓
非托管代码(本地代码，二进制代码，机器语言)http://baike.baidu.com/view/2418160.htm

首先看源代码，如果我们只是保存它们，当然就是像上面那样用某种编码方式将其保存成字节
[color=red]第2个问题：[/color]如果我们对源代码进行了编译，使其变成了托管代码，windows下的托管代码叫做可移植执行体，那么这些托管代码肯定也是以2进制形式存储在硬盘里，那么这时的我们编译得来2进制形式与我们直接保存得来的2进制形式的区别在哪里?

[color=red]第3个问题：[/color]当将托管代码编译成本地代码后，啊哈，这就是人们常说的本地2进制代码，这些本地2进制代码与之前的托管2进制代码的区别在哪里? 我知道后者要依赖CLR或jvm，但除此之外呢?

看了上面的提问，感觉我要问的好像是编译的得到的2进制代码与编码得到的2进制代码有什么区别，然后是编译源代码得到的2进制代码与编译托管代码得到的2进制代码有什么区别。

[color=red]第4个问题：[/color]既然编码字符需要考虑编码方案的问题，那么图片视频呢? 就拿.net中socket传输字符串来讲也是需要考虑编码方案的，为什么传输图片就不需要考虑编码呢? 图片不是也有jpg gif等好多格式吗?

Answer 1

:o 一下子问4个问题，才给5分。。。 :cry:

第一个问题：我是不是可以认为将这些16进制转换成2进制后就是 我们AaBb 在计算机的存储方式?

A：16进制和2进制都只是数字的一种表示形式，是外在的表现，对内在的实际涵意没有任何影响。

你可以这么理解，机器读2进制比较方便，因为简单。人读16进制比较方便，因为简略。

第2个问题：如果我们对源代码进行了编译，使其变成了托管代码，windows下的托管代码叫做可移植执行体，那么这些托管代码肯定也是以2进制形式存储在硬盘里，那么这时的我们编译得来2进制形式与我们直接保存得来的2进制形式的区别在哪里?

A：这涉及到编译原理的问题，当然这里可以用比较通俗的方式讲就是，你的代码都是用文本方法写的，所以直接保存的也都是字符串，人可以理解是代码，但机器只能识别为字符串。 要想让机器识别成可执行的代码，那就要通过一定的规则转换成机器码。转换后机器就可以执行了，但人去看就是一堆乱码了。

第3个问题：当将托管代码编译成本地代码后，啊哈，这就是人们常说的本地2进制代码，这些本地2进制代码与之前的托管2进制代码的区别在哪里? 我知道后者要依赖CLR或jvm，但除此之外呢?

A:首先，你要明白为什么要分成“托管代码”和“本地代码”，这主要是因为执行平台的不同，导致你要写多种不同的代码来实现相同的功能。为了解决这个问题，就出现了“虚拟机”如JVM，这样的东西。 主要的原理就是你根据“虚拟机”所提供的功能来实现业务逻辑，我为不同的平台开发做不同的“虚拟机”来实现我所提供的功能，这样就可以跨平台了。 剩下的你应该明白一点了吧

第4个问题：既然编码字符需要考虑编码方案的问题，那么图片视频呢? 就拿.net中socket传输字符串来讲也是需要考虑编码方案的，为什么传输图片就不需要考虑编码呢? 图片不是也有jpg gif等好多格式吗?

A：说简单点，因为图片是大文件，可以有自己的文件格式，比如，GIF文件的文件头就是git，ZIP文件的文件头就是'PK'等等，所以它们都可以被很容易的识别。

而字符串不一样，它们很零碎，种类也很多。如GBK，是中文的编码，里面只有中文和英文，而UTF-8是包含了所有的语言。他们实现上就是通过对数字的分段来实现识别不同的文字。当然识别的越多所需要的数字就越大，所需要的存储空间和网络流量就越多，所以在socket里尽量选择合适的编码，来提高性能。

就说这么多吧，希望能给你一点小小的帮助 :lol: