整数和浮点数在内存中的存储

一、整数在内存中的存储

整数在内存中的存储方式有三种：原码、反码和补码。

正整数的原码、反码、补码都相同。

负整数的三种表示方法各不相同。

原码是整数的二进制表示形式。正整数的原码就是其二进制表示形式，负整数的原码则是其二进制表示形式做数值位，首位（符号位）设为1。

反码是将原码的符号位不变，其它位按位取反得到的。

补码是反码加上 1。在计算机中，整数一般以补码的形式存储。补码可以方便地进行加减运算。

补码可以方便地进行加减运算，主要有以下两个原因：

• 补码的加法和减法运算规则相同。

在补码中，正数的补码与原码相同，负数的补码是原码取反加 1。因此，对于两个补码数，其加法运算规则与原码的加法运算规则相同。减法运算可以通过加法运算来实现，即将被减数的补码与减数的补码的相反数相加。

• 补码可以用相同的硬件实现加减运算。

在原码中，加法和减法运算需要使用不同的硬件电路。在补码中，加法和减法运算可以使用相同的硬件电路，这简化了硬件设计和实现。

例如，

正整数 5 的原码、反码和补码都是 00000000 00000000 00000000 00000101，

负整数 -5 的原码是 10000000 00000000 00000000 00000101，反码是 11111111 11111111 11111111 11111010，补码是 11111111 11111111 11111111 11111011。

整数在内存中的存储大小取决于其位数。例如，32 位整数在内存中占 4 个字节，64 位整数在内存中占 8 个字节。

二、浮点数在内存中的存储

1. 浮点数的表示

在C语言中，浮点数通常用float或double类型表示。这两种类型的主要区别在于它们的精度和范围。float类型通常有32位，而double类型有64位。

浮点数在内存中的表示遵循IEEE 754标准。这个标准定义了浮点数的二进制表示，包括符号位、指数部分和尾数部分。

2. IEEE 754标准

IEEE 754标准定义了浮点数的二进制表示，

任意一个二进制浮点数V可以表示成下面的形式：

 表示符号位：S为0时V为正数，S为1时V为负数。

 表示有效数字，M是大于等于1，小于2的。

 表示指数位

我们来看看如何表示十进制的3.14和-3.14。

对于3.14：

1. 符号位S=0，因为3.14是正数。
2. 将3.14转换为二进制，得到的近似值是11.0010001111010111000010100011110
   （二进制小数点后面的位数可以根据需要进行截断）。

   ---

   首先，将整数部分3转换为二进制。3的二进制表示为11。

   接下来，将小数部分0.14转换为二进制。我们可以通过乘以2的方式将小数部分转换为二进制。具体步骤如下：

   0.14 * 2 = 0.28  （整数部分为0）
   0.28 * 2 = 0.56  （整数部分为0）
   0.56 * 2 = 1.12  （整数部分为1）
   0.12 * 2 = 0.24  （整数部分为0）
   0.24 * 2 = 0.48  （整数部分为0）
   0.48 * 2 = 0.96  （整数部分为0）
   0.96 * 2 = 1.92  （整数部分为1）
   0.92 * 2 = 1.84  （整数部分为1）
   0.84 * 2 = 1.68  （整数部分为1）
   0.68 * 2 = 1.36  （整数部分为1）
   0.36 * 2 = 0.72  （整数部分为0）
   0.72 * 2 = 1.44  （整数部分为1）
   0.44 * 2 = 0.88  （整数部分为0）
   0.88 * 2 = 1.76  （整数部分为1）
   0.76 * 2 = 1.52  （整数部分为1）
   0.52 * 2 = 1.04  （整数部分为1）
   0.04 * 2 = 0.08  （整数部分为0）
   0.08 * 2 = 0.16  （整数部分为0）
   0.16 * 2 = 0.32  （整数部分为0）
   0.32 * 2 = 0.64  （整数部分为0）
   0.64 * 2 = 1.28  （整数部分为1）
   0.28 * 2 = 0.56  （整数部分为0）
   0.56 * 2 = 1.12  （整数部分为1）
   0.12 * 2 = 0.24  （整数部分为0）
   0.24 * 2 = 0.48  （整数部分为0）
   0.48 * 2 = 0.96  （整数部分为0）

   可以观察到，小数部分不断乘以2，将整数部分取出，直到小数部分为0或者达到所需的精度。

   将整数部分和小数部分合并在一起，就得到了3.14的二进制表示：

   3.14（十进制） = 11.0010001111010111000010100011110（二进制）

   ---

3. 将这个二进制数转换为科学计数法，得到1.10010001111010111000010100011110 * 2^1。
4. 所以，M=1.10010001111010111000010100011110，E=1。

对于-3.14：

1. 符号位S=1，因为-3.14是负数。
2. 将-3.14的绝对值转换为二进制，得到的近似值是11.0010001111010111000010100011110。
3. 将这个二进制数转换为科学计数法，得到1.10010001111010111000010100011110 * 2^1。
4. 所以，M=1.10010001111010111000010100011110，E=1。

【注】由于二进制表示的限制，这些值只是近似值，可能会有一些微小的误差。此外，实际的存储还涉及到指数的偏移和尾数的规格化等处理，这里为了简化说明，暂时忽略了这些处理步骤。

对于32位的float类型，其结构如下：

• 符号位（Sign）：1位
• 指数部分（Exponent）：8位
• 尾数部分（Fraction）：23位

对于64位的double类型，其结构如下：

• 符号位（Sign）：1位
• 指数部分（Exponent）：11位
• 尾数部分（Fraction）：52位

3. 浮点数存的过程

指数部分表示的是2的幂，它属于unsigned int类型。在float类型中，指数部分是8位，范围是0到255。在double类型中，指数部分是11位，范围是0到2047。但是科学计数法中的E是可以出现负数的，所以IEEE 754规定，存入内存时E的真实值必须再加上一个中间数（8位的E，中间数是127；11位的E，中间数是1023）。

尾数部分表示的是浮点数的实际值。这部分的值被视为一个小于1的正数，前面加上1（即1.xxxx）。这样做的目的是为了增加精度。比如保存1.01时，只保存01，等到读取时再加上1作为第一位。以32位浮点数为例，将第一位的1舍去后，留给M的就有23+1=24位有效数字。

4. 浮点数取的过程

（1）E不全为0或E不全为1

此时，将E的计算值减去127或1023，得到真实值，再将有效数字M前加上第一位的1。

 示例

让我们来看一个例子。假设我们有一个float类型的数，其二进制表示为：

01000001001101100000

我们可以将这个二进制数分解为三部分：

• 符号位：0
• 指数部分：10000010（十进制表示为130）
• 尾数部分：01101100000

根据IEEE 754标准，我们可以计算出这个浮点数的值为：

(-1)^0 * 2^(130-127) * 1.01101100000 = 6.421875

（2）E全为0

此时，E的真实值等于1-127或1-1023，有效数字M前无需加上第一位的1。

这种情况是为了表示0，以及十分接近于0的数字。

（3）E全为1

此时，如果有效数字M全为0，表示正负无穷大（正负取决于符号位S）。