二進制和八進制怎樣互轉?

更新 發佈閱讀 3 分鐘

八進制(Octal)其實就是二進制的一個「壓縮版本」,規則非常簡單而優雅:

👉 1 個八進制位 = 3 個二進制位(bit)

因為:

8 = 2^3

一、核心對照表(一定要熟)

vocus|新世代的創作平台

二、二進制 → 八進制

方法:每 3 位分一組(從右開始)


範例 1

二進制:110101

Step 1:分組

110 101

Step 2:轉換

11061015

👉 結果:

65(八進制)

範例 2(位數不足要補 0)

二進制:10111

Step 1:補齊 3 的倍數

010 111

Step 2:轉換

01021117

👉 結果:

27(八進制)

三、八進制 → 二進制

方法:每一位直接變成 3-bit


範例 1

八進制:53

轉換:

51013011

👉 合併:

101011

範例 2

八進制:7
7111

四、為什麼要用八進制?

在早期電腦(如 CPU 發展初期):

  • 記憶體常以 3-bit、6-bit、12-bit 為單位
  • 八進制剛好能整齊對齊

👉 所以工程師用八進制來「閱讀二進制」


五、和十六進制比較

vocus|新世代的創作平台

👉 今天:

  • 十六進制(Hex) 比八進制更常見
  • 因為電腦是 8-bit(1 byte)對齊 → 16 進制更方便

六、三種進制快速對照(進階理解)

例如:

二進制:111111

轉八進制(3-bit)

111 1117 777

轉十六進制(4-bit)

0011 1111 → 3F

七、一句話記住

👉 八進制 = 每 3 個 bit 一組


八、實務用途(你可能看過)

1️⃣ Unix/Linux 權限

chmod 755

👉 其實是:

7 = 111(rwx)5 = 101(r-x)



留言
avatar-img
sirius數字沙龍
18會員
428內容數
吃自助火鍋啦!不要客氣,想吃啥,請自行取用!
sirius數字沙龍的其他內容
2026/04/07
二進制(Binary)和十六進制(Hexadecimal)之間的轉換,其實是電腦世界最重要、也最簡單的一種換算。因為它們之間有一個完美關係: 👉 1 個十六進制位 = 4 個二進制位(bit) 這讓轉換變得非常直覺。 一、先記住對照表(核心) 十六進制二進制 👉 A~F 代表 10~15
Thumbnail
2026/04/07
二進制(Binary)和十六進制(Hexadecimal)之間的轉換,其實是電腦世界最重要、也最簡單的一種換算。因為它們之間有一個完美關係: 👉 1 個十六進制位 = 4 個二進制位(bit) 這讓轉換變得非常直覺。 一、先記住對照表(核心) 十六進制二進制 👉 A~F 代表 10~15
Thumbnail
2026/04/06
二進制浮點數的科學記數法表示,其實就是你熟悉的十進制科學記數法的「二進制版」。它的核心思想是將一個二進制數表示為 ±1.xxxxx × 2ⁿ 的形式,這在電腦科學中稱為「規格化」(Normalization)。 這種表示法是現代電腦儲存浮點數的基礎,也就是 IEEE 754 標準的核心。 🧩
Thumbnail
2026/04/06
二進制浮點數的科學記數法表示,其實就是你熟悉的十進制科學記數法的「二進制版」。它的核心思想是將一個二進制數表示為 ±1.xxxxx × 2ⁿ 的形式,這在電腦科學中稱為「規格化」(Normalization)。 這種表示法是現代電腦儲存浮點數的基礎,也就是 IEEE 754 標準的核心。 🧩
Thumbnail
2026/04/06
八進制小數轉二進制,其實就是剛才那個「三位一組」規則的逆向操作。 你不需要做任何乘除運算,規則非常簡單:「一位拆三位」。只要把八進制的每一個數字,直接還原成對應的 3 位二進制代碼,然後照順序排好就行了。 以下是詳細的操作規則與步驟: 🛠️ 核心規則:一位拆三位 對照轉換:將八進制的每一個
Thumbnail
2026/04/06
八進制小數轉二進制,其實就是剛才那個「三位一組」規則的逆向操作。 你不需要做任何乘除運算,規則非常簡單:「一位拆三位」。只要把八進制的每一個數字,直接還原成對應的 3 位二進制代碼,然後照順序排好就行了。 以下是詳細的操作規則與步驟: 🛠️ 核心規則:一位拆三位 對照轉換:將八進制的每一個
Thumbnail
看更多
你可能也想看
Thumbnail
這篇文章深入探討了電腦的核心運作機制,從其單純的計算與記憶功能出發,解釋了電腦如何透過程式指令來執行任務。文章闡述了「計算思維」的重要性,強調了區分陳述性知識與程序性知識,以及演算法在連接人類思維與機器執行之間的橋樑作用。
Thumbnail
這篇文章深入探討了電腦的核心運作機制,從其單純的計算與記憶功能出發,解釋了電腦如何透過程式指令來執行任務。文章闡述了「計算思維」的重要性,強調了區分陳述性知識與程序性知識,以及演算法在連接人類思維與機器執行之間的橋樑作用。
Thumbnail
本文分析導演巴里・柯斯基(Barrie Kosky)如何運用極簡的舞臺配置,將布萊希特(Bertolt Brecht)的「疏離效果」轉化為視覺奇觀與黑色幽默,探討《三便士歌劇》在當代劇場中的新詮釋,並藉由舞臺、燈光、服裝、音樂等多方面,分析該作如何在保留批判核心的同時,觸及觀眾的觀看位置與人性幽微。
Thumbnail
本文分析導演巴里・柯斯基(Barrie Kosky)如何運用極簡的舞臺配置,將布萊希特(Bertolt Brecht)的「疏離效果」轉化為視覺奇觀與黑色幽默,探討《三便士歌劇》在當代劇場中的新詮釋,並藉由舞臺、燈光、服裝、音樂等多方面,分析該作如何在保留批判核心的同時,觸及觀眾的觀看位置與人性幽微。
Thumbnail
許多人整理資料時,常常陷入「分類 5 分鐘,找球 2 小時」的窘境,或是將檔案散亂在電腦桌面上。本文介紹一套創新的「26 字母外部大腦法」,利用注音符號和鍵盤對應的英文代碼,搭配數位化的數字序號,建立一個穩定、快速且可擴充的分類系統,將搜尋時間從幾秒縮短到 0.5 秒,讓檔案管理成為一種本能。
Thumbnail
許多人整理資料時,常常陷入「分類 5 分鐘,找球 2 小時」的窘境,或是將檔案散亂在電腦桌面上。本文介紹一套創新的「26 字母外部大腦法」,利用注音符號和鍵盤對應的英文代碼,搭配數位化的數字序號,建立一個穩定、快速且可擴充的分類系統,將搜尋時間從幾秒縮短到 0.5 秒,讓檔案管理成為一種本能。
Thumbnail
我在八十年代剛接觸到電腦就想要寫程式,但這件事其實是老鼠拉龜摸不到頭腦。那到底要怎樣開始呢?總不能找個老師教吧?最合理的做法就是去書店幾十元買一本電腦書回來,所以我去了北角的商務印書店,然後找電腦書,然後給我看到一本叫「看漫畫學電腦」,竟然看漫畫就能學電腦,所以我就選了這本了。 那本書就是一個
Thumbnail
我在八十年代剛接觸到電腦就想要寫程式,但這件事其實是老鼠拉龜摸不到頭腦。那到底要怎樣開始呢?總不能找個老師教吧?最合理的做法就是去書店幾十元買一本電腦書回來,所以我去了北角的商務印書店,然後找電腦書,然後給我看到一本叫「看漫畫學電腦」,竟然看漫畫就能學電腦,所以我就選了這本了。 那本書就是一個
Thumbnail
這是一場修復文化與重建精神的儀式,觀眾不需要完全看懂《遊林驚夢:巧遇Hagay》,但你能感受心與土地團聚的渴望,也不急著在此處釐清或定義什麼,但你的在場感受,就是一條線索,關於如何找著自己的路徑、自己的聲音。
Thumbnail
這是一場修復文化與重建精神的儀式,觀眾不需要完全看懂《遊林驚夢:巧遇Hagay》,但你能感受心與土地團聚的渴望,也不急著在此處釐清或定義什麼,但你的在場感受,就是一條線索,關於如何找著自己的路徑、自己的聲音。
Thumbnail
5 月將於臺北表演藝術中心映演的「2026 北藝嚴選」《海妲・蓋柏樂》,由臺灣劇團「晃晃跨幅町」製作,本文將以從舞台符號、聲音與表演調度切入,討論海妲・蓋柏樂在父權社會結構下的困境,並結合榮格心理學與馮.法蘭茲對「阿尼姆斯」與「永恆少年」原型的分析,理解女人何以走向精神性的操控、毀滅與死亡。
Thumbnail
5 月將於臺北表演藝術中心映演的「2026 北藝嚴選」《海妲・蓋柏樂》,由臺灣劇團「晃晃跨幅町」製作,本文將以從舞台符號、聲音與表演調度切入,討論海妲・蓋柏樂在父權社會結構下的困境,並結合榮格心理學與馮.法蘭茲對「阿尼姆斯」與「永恆少年」原型的分析,理解女人何以走向精神性的操控、毀滅與死亡。
Thumbnail
背景:從冷門配角到市場主線,算力與電力被重新定價   小P從2008進入股市,每一個時期的投資亮點都不同,記得2009蘋果手機剛上市,當時蘋果只要在媒體上提到哪一間供應鏈,隔天股價就有驚人的表現,當時光學鏡頭非常熱門,因為手機第一次搭上鏡頭可以拍照,也造就傳統相機廠的殞落,如今手機已經全面普及,題
Thumbnail
背景:從冷門配角到市場主線,算力與電力被重新定價   小P從2008進入股市,每一個時期的投資亮點都不同,記得2009蘋果手機剛上市,當時蘋果只要在媒體上提到哪一間供應鏈,隔天股價就有驚人的表現,當時光學鏡頭非常熱門,因為手機第一次搭上鏡頭可以拍照,也造就傳統相機廠的殞落,如今手機已經全面普及,題
Thumbnail
本篇文章記錄了利用機器學習處理手寫數字辨識任務的過程,從熟悉的樹模型開始,探討其在影像資料上的應用與侷限,進而導入更適合影像的卷積神經網路。文中介紹了資料探勘、特徵工程、模型設計,以及結果分析。最終,CNN 模型取得了超越 99% 的準確率,證實 CNN 在影像分類任務上的優越性。
Thumbnail
本篇文章記錄了利用機器學習處理手寫數字辨識任務的過程,從熟悉的樹模型開始,探討其在影像資料上的應用與侷限,進而導入更適合影像的卷積神經網路。文中介紹了資料探勘、特徵工程、模型設計,以及結果分析。最終,CNN 模型取得了超越 99% 的準確率,證實 CNN 在影像分類任務上的優越性。
追蹤感興趣的內容從 Google News 追蹤更多 vocus 的最新精選內容追蹤 Google News