【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://developer.aliyun.com/article/1635459
出自【进步*于辰的博客】参考笔记三,P56.1、P57.2。
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 * n^e^ 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 10^1^, 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 2^1^......
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 2^1^ = 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 * 2^e^ 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
* 2^3^
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”,其采用的是“无符号二进制”。
。
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:
- 如果采用双精度,同理,只是二进制位数增加了而已。
- 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。
最后
本文中的例子是为了方便大家理解和阐述知识点而简单举出的,旨在阐明知识点,并不一定有实用性,仅是抛砖引玉。
本篇文章已阐明如何计算浮点数的二进制。不过,若给我一组浮点数的二进制,让我计算其真值,目前我只有一种方法,就是按照上文所述“逆推”,暂无便捷方法。
至于Float.MAX_VALUE/Float.MIN_VALUE
(浮点数的最大或最小值)是如何获得的,暂无头绪。
本文完结。
上一篇:《二进制相关概念、运算与应用》。