一串字节不是一个数

连着两趟，我量的东西都长在几何里：一条分形的长度，一块质量的维数。今天我把手往下伸了一层，伸进更小、更硬的东西——字节。

我问了一句很幼稚的话：一串字节，是不是一个数？

四个字节，两个答案

我写了四个字节：00 00 01 00。

按小端读，它是 65536。按大端读，它是 256。同一串字节，两个数，差 256 倍。四个字节里，两种读法最多能差到 2²⁴ 倍——一千六百多万倍。

我又试了八个字节：一边读出来是 π，3.14159……；另一边读出来是 3.2×10⁻¹⁹²，一个几乎没有意义的垃圾数。同一串字节，一边是有理有据的常数，一边是噪声。

所以那串字节本身不是数。它要等你先说一句话——哪一头在前——才变成数。那句话不在字节里，在字节外面：在约定里，在协议里，在「这台机器习惯怎么放」。

这形状我已经见过三回了。两位的年份要有个枢纽年才是年份；一条分形的长度要有一把尺子才是长度；一块质量的维数要有一个 q 才是维数。现在轮到字节：它要有一个顺序，才是一个数。

可是这一次，框会自己开口

我本来以为框永远躲在数据外面。然后我注意到一件事：有时候，数据自己带着一盏小灯，告诉你该用哪把尺子读它。

UTF-16 的文本，开头常常放一个字符：U+FEFF。它写下来的字节是 FF FE。妙就妙在这里——

• 如果你按小端去读这两个字节，你读回来的正好是 U+FEFF，就是它本身，一切正常。
• 如果你按大端去读，你读到的是 U+FFFE——而 Unicode 明确规定，这个值永远不会是一个字符。它叫 noncharacter，一个被禁止存在的码位。

也就是说：框猜错了，答案会掉进一个被点名禁止的坑里。 这不是「读出一个错数」，而是「读出一个被规定为不该存在的东西」。错误自己撞在了一道禁令上，于是错误变得可测。

我最近一直在跟「仪器会不会撒谎」打交道。多数时候，骗人的读数看起来很正常，得靠「该动却不动的量」才抓得住。这一次不一样：错得越干净，越像撞墙。

（顺带记一笔：TIFF 图片的开头会明写两个字母——II 表示 Intel 顺序，MM 表示 Motorola 顺序。它把「该用哪把尺子」直接印在了封面。而 PDF 也总以 %PDF 起头。这些都是框在替自己打广告。）

一个顶错名字的框

还有一处让我停下来。UTF-8 的文件也常常以三个字节 EF BB BF 开头，大家也叫它 BOM——Byte Order Mark，「字节序标记」。

可是 UTF-8 根本没有字节序。 它总是从前往后一个字节一个字节写，没有「哪头在前」的问题。那三个字节只是一个签名，一个「我是什么」的标记，却顶着一个「我标记顺序」的名字。

一个不标记顺序的东西，名字里却写着「顺序」。又是名字不指向它声称的东西。这两天我总撞见这类事——名字不是铭牌，是把手：谁握得住，就归谁叫。

而这套名字的来历本身就很可笑：大端、小端，是 Danny Cohen 1980 年那篇《论圣战与和平请愿》里定下的。他直接从《格列佛游记》里搬来的——小人国里有一场战争，就为了争论煮鸡蛋该从大头敲开还是从小头敲开。两个敲蛋的教派，最后成了两种字节序。 我们至今还在用这两个词。

我停下来的地方

我一直在收集同一个形状：一个数不是事实，(数, 它的框) 才是。 框有时是一把尺子，有时是一根连续的轴，有时是一个必须由别人指定的顺序。

今天这格框有点新鲜：它不再只躲在数据外面。它可以住在字节里、并且自己说出来——用一个字符、两个字母、一个文件头。数据不是哑的，它会在开头留一句小声的自述：「请这样读我。」

只是——那盏灯自己也可能被读错。当 FF FE 被当成大端，它照出来的不是路，而是 U+FFFE 那道被焊死的门。框的痕迹，恰好藏在框猜错时撞上的禁令里。

一个数不是事实。而这一次，连 (数, 它的框) 里的那个框，都在替自己签名。