【版权声明】未经博主同意，谢绝转载！（请尊重原创，博主保留追究权） https://www.cnblogs.com/cnb-yuchen/p/18107586 出自【进步*于辰的博客】 。

注：为了阐述更加严谨，本篇文章中将使用一些二进制的相关概念，出自上篇博文.

前言 。

在解析Float类的源码时，我对MAX_VALUE/MIN_VALUE的值很好奇，它们是怎么来的？于是利用我所知的二进制知识，尝试运算。一开工就发现没辙，因为我压根不知道小数的二进制是怎样表示、又是如何存储的。于是寻得一方案:

启发博文：浮点数(小数)在计算机中如何用二进制存储？（转发）.

这位博主的阐述专业且详细，下面我通过个人理解，尽量简明扼要地为大家阐明这个知识点.

正文 。

在开始之前，大家先看一张图。 Float 就是单精度，就是说 Float 变量由32位（4字节）二进制表示。现在大家对这张图有所疑惑，无妨，我要表达的意思是，小数的二进制由三部分组成，与整数完全不同。换言之，给我们一组小数的二进制，我们无法直接看出它的真值是多少。因此，需要使用一种纸面上的二进制数表现形式.

如何运算出这种纸面上的二进制数表现形式？ 所谓纸面上，就是一目了然，也就是使用整数二进制的表现形式去表现小数。那位博主是这样说的:

二进制转换为十进制的方法就是各个位的数字与位权乘积之和.

什么是“位权”？这张图给了答案。 就是底数的指数幂.

答案很清楚了，可是如何运算浮点数的小数部分的二进制，难道使用如上“求和”的方法？当然可以，不过不太方便.

从另一位博主那儿“取经”得一方法：使用上图示例。整数部分照旧，是1011，将小数部分0.1875进行以下运算:

0.1875 * 2 = 0.3750 → 0
0.3750 * 2 = 0.7500 → 0
0.7500 * 2 = 1.5000 → 1
0.5000 * 2 = 1.0000 → 1

得0011.

结论:

将小数部分乘以2，取结果的整数部分，如此反复，直至结果为0，最后依次得到的整数部分就是小数部分的二进制.

PS：暂不懂其中原理，就挺好用.

补充一点：那位博主将100个 float 类型的0.1相加，最终结果不是10.0。 大家便可明了，无论二选一，0.1都是无限小数。无论单双精度，都无法表示完全，必然有所缺失或增加（四舍五入），故是10.000002.

成功了一半，可1011.0011只是11.1875在纸面上的二进制数表现形式.

浮点数(小数)在计算机中如何用二进制存储？ 回到第一张图，小数的二进制由符号、指数、尾数三部分组成，这说明必然有一个公式，将这三部分进行运算，从而得到“真值”.

公式是这样的： 二进制中基数（又称“底数”）是2，自然不必考虑。小数内部构造的三部分正好与图中三个未知变量对应，下面我一一剖析。（以单精度为例） 。

符号部分占1位，即0/1。（PS：小数没有“补码”之说） 。

指数部分（8位）与尾数部分（23位）又是如何表示小数的?

我们来探讨一下，看到 m * ne 这样的公式，给你11.1875这个小数，你能想到哪些等式?

11.1875 = 111.875 * 10-1，m是111.875，n是10，e是 -1 11.1875 = 1.11875 * 101， m是1.11875，n是10，e是 1 ...... 。

有问题么？这里是二进制，n 是2，不是10，故等式不能这么写.

可是要满足如下等式，m 是多少?

11.1875 = m * 2-1 11.1875 = m * 21 ...... 。

看到这样的等式，大家是否似曾相识？没错，位运算，也就是这样:

11.1875 = m * 2-1 = m >> 1 11.1875 = m * 21 = m << 1 ...... 。

明白了么?

可这里有个问题，因为位运算移动的位数e是任意的，故 m 任意，则必然存在一个规范，用于限制e的值.

规范定义:

尾数部分用的是“将小数点前面的值固定为1的正则表达式”。 什么是正则表达式？按照特定的规则来表示数据的形式的表达式.

这样就清楚了，规范就是“将小数点左边第一位固定为1，其他为0”。如此，e就只有一个值.

PS：不过，对于那位博主将规范定义为“正则表达式”这一点，我的个人看法是，意思没错，可用词似乎不恰当，当时我就被误导了。当然，也可能是我的功底不扎实.

规范知道了，可尾数m是多少呢？大家在上文的阅读中有没有注意到一个细节？就是“纸面上的二进制数表现形式”那儿，我最后说了一句：“成功了一半”。成功在哪？又何出此言?

其实，小数在纸面上的二进制数表现形式就是 m * 2e 的结果。以11.1875为例:

11.1875 → 1011.0011

规范是“将小数点左边第一位固定为1，其他为0”，就是这样:

11.1875 → 1011.0011 = 1.0110011 << 3 = 1.0110011 * 23 。

这样，难道 m 是1.0110011？当然不是，那位博主已阐明:

因此，m 是01100110000000000000000。e 是3.

对应到小数的内部构造，11.1875的二进制是:

0 00000011 01100110000000000000000

这是正确答案吗？还不是.

运用以上方法，我们来计算一下0.1875的二进制:

0.0011						原始数值
1.1							左移使个位为 1
1.10000000000000000000000	确保小数点后有23位
10000000000000000000000		仅保留小数点后的部分

得出，m 是10000000000000000000000，e 是-3.

因此，0.1875的二进制是0 10000011 10000000000000000000000。（指数e使用的是“原码”，不是“补码”） 。

这样看来，似乎没有问题，可实际上指数部分还有点“门道”.

那位博主阐述道:

指数部分使用了“EXCESS系统表现”.

什么是“EXCESS系统表现”？那位博主已阐述得很清楚，我就不赘述了.

总结:

• 11.1875的二进制是0 10000010 01100110000000000000000。
• 0.1875的二进制是0 01111100 10000000000000000000000。

PS:

1. 如果采用双精度，同理，只是二进制位数增加了而已。
2. 那位博主运用 c++ 代码进行了验证，我把他提供的 code copy test 了一下，同样验证无误，只是目前我暂不知如何使用 java 进行验证，需要大家自行研究了。

本文完结.

上一篇：《二进制相关概念、运算与应用》.

最后此篇关于浮点数(小数)在计算机中如何用二进制存储？的文章就讲到这里了,如果你想了解更多关于浮点数(小数)在计算机中如何用二进制存储？的内容请搜索CFSDN的文章或继续浏览相关文章，希望大家以后支持我的博客！ 。