为什么会精度丢失？教你看懂 IEEE-754！
内容提要
本文介绍IEEE-754双精度浮点数标准：64位由1位符号位、11位指数和52位小数组成，数值表示为1.f×2^(e-1023)。以233和-432.1为例演示十进制与浮点数的互转，并说明精度丢失的两个原因：一是0.1等小数在二进制中除不尽，二是超过2^53后整数无法精确表示。
延伸解读
浮点数精度问题的根源
文章指出，精度丢失主要源于二进制表示的限制。像0.1这样的十进制小数在二进制中是无限循环的，无法用有限的52位小数精确存储，导致计算时产生微小误差。此外，当整数超过2^53时，由于小数位不足，也无法精确表示，只能表示该范围内2的倍数。这解释了为什么0.1+0.2不等于0.3，以及大整数运算可能出错。
IEEE-754的存储结构解析
双精度浮点数使用64位存储：1位符号位、11位指数和52位小数。数值表示为(-1)^s × 1.f × 2^(e-1023)。指数采用偏移码，实际指数需减去1023。这种设计允许表示极大和极小的数，但牺牲了部分精度。文章通过233和-432.1的转换示例，详细展示了十进制与浮点数的互转过程。
特殊值与边界情况
IEEE-754定义了五种情况：规格化数、非规格化数（指数为0且小数非0）、零、NaN（指数全1且小数非0）和无穷大（指数全1且小数为0）。非规格化数用于表示极小的数，其公式为0.f × 2^-1022。理解这些特殊情况有助于处理异常值，避免程序错误。
实际开发中的注意事项
由于许多语言（如JavaScript、Java）都采用IEEE-754标准，精度问题普遍存在。文章提醒，即使将小数乘以100转为整数再计算，也可能因乘法本身引入误差。对于需要高精度的场景，可考虑使用专门的高精度库（如Java的BigDecimal），或避免直接比较浮点数，而是比较差值是否在可接受范围内。
Q&A
IEEE-754双精度浮点数在内存中是如何组成的？
IEEE-754双精度浮点数使用64位，分为三部分：1位符号位（sign），0表示正数，1表示负数；11位指数位（exponent）；52位小数位（fraction）。
为什么0.1 + 0.2在JavaScript中不等于0.3？
因为0.1和0.2在二进制中是无限循环小数，无法用有限的52位小数精确表示，存储时已经存在舍入误差，相加后误差累积，导致结果不是精确的0.3。
双精度浮点数能精确表示的最大整数是多少？
双精度浮点数能精确表示的最大整数是2^53，即9007199254740992。超过这个值后，整数可能无法精确表示，例如2^53 + 1的结果仍然是2^53。
如何将十进制数-432.1转换为IEEE-754双精度浮点数？
步骤：1. 符号位为1（负数）；2. 将432.1转为二进制，整数部分110110000，小数部分无限循环0011；3. 规格化为1.1011000000011001100110011001100110011001100110011010 × 2^8，指数e=1031，二进制10000000111；4. 组合符号位、指数位和小数位得到64位表示。
IEEE-754中的denormalized（非规格化）数是什么？
当指数位全为0（即e=0）且小数部分f>0时，表示非规格化数。其计算公式为0.f × 2^(-1022)，用于表示极小的数字。
为什么浮点数计算中0.0532 * 100的结果不是5.32？
因为0.0532在二进制中无法精确表示，乘以100后结果可能已经产生误差，导致最终结果不是精确的5.32，而是5.319999999999999。
