《深入理解计算机系统》——浮点数强制转换小议

我们来讨论C语言关于浮点型强制转换的一个特性

比如

#include<stdio.h>

void main()
{
int I = (1<<31)-1,II;//这个是有符数的最大值Tmax
float f = 0;
int a,b,c;
a = (int)(float)I;
b =(float)I;
f = (float)I;
c = (int)f;
printf("%d,%d,%d\n", a, b, c);
}

运行结果如何？

在（2）章里面我们主要是讨论的超级单精度浮点，而32位机器使用的是单精度浮点和双精度浮点，单精度浮点k=8，n=23。而双精度浮点k=11，n=52。

那么对于单精度类型float来说，有效位只有23，不可能把31位int正整数表示完，于是在运算的时候就可能产生问题。

在老的C编译器里，可能上例中a、b、c最后结果都为-2147483648，因为(int)(float)I运算操作，先是把I转换成float，明显它不能表示Tmax，于是它会被四舍五入，用一个近似的float值代替Tmax，比如Tmax+1……你没有看错，float能表示的数的范围肯定比int大，Tmax = 2^31-1=2147483647而已，而Fmax=(1+2^23-1) * 2^127 = 1.4272476927059598810582859694495 * 10^45，恐怖吧？只是说数值越大精度越差，float能精确描述Tmax吗？用（2）章里的方法瞬间就知道，Tmax可是需要31位有效数的，float只有23位，爱莫能助，于是float就挑了个离Tmax最近的2的整次方数2^31=Tmax+1。

由于(float)I已经把Tmax转换成了2^31，(int)(float)I操作再回到int时，那就是把2^31转换成int，有符数补码其值就是-2^31 = -2147483648。

然而，当实际用gcc和vc测试发现，a、b都是2147483647，只有c是-2147483648，从这里可以看出，新的编译器对这个问题进行了优化，使得精度保留得更完整，但这样做可能就会产生新的问题。比如以前的老代码，就是希望通过强制转换将整数进行修改，那么用在新编译器上就一定会导致问题。

另外一个需要关注的特性涉及到寄存器，我这里还是贴出那段经典的代码：

#include<stdio.h>

double recip(int denom)
{
       return 1.0/(double) denom;     
}

void do_thinklife()
{
         
}

void main()
{
     int denom=10;
     double r1,r2;
     int t1,t2,t3;
    
     r1 = recip(denom); 
     r2 = recip(denom);
     t1 = r1==r2; //比较1
     do_thinklife();
     t2 = r1==r2;//比较2
     t3 = r1 == 1.0/(double) denom;//比较3
     printf("t1:%d,t2:%d, t3:%d\n", t1, t2, t3);
}

用vc++ 运行，         1,1,1——符合预期

用dev c++运行，    1,1,0——(⊙o⊙)…

用redhat gcc运行，0,1,0——⊙﹏⊙

到底是肿么回事？

为了让redhat的结果看起来靠谱些，我用gcc -O2 参数来编译，出来结果是1,1,0——估计dev c++也是加了-O2编译参数优化的。

其实造成这个的原因还是精度问题，具体罪魁祸首是0.1，这个数即便用双精度也不可能精确表示！通过读取内存数据，我发现float f=0.1；f的四个

字节存的是0x3d cc cc cd，就是111101110011001100110011001101，首位补上00，我们来分析一下：

0   01111011  10011001100110011001101

e = 01111011 =D (123)

E=e-Bias=123-127 = -4……

Bias具体算法参见教材

M=1+f = 1+m*2^(-23) ＝1+0.60000002384185791015625 = 1.60000002384185791015625

V = (-1)^s * M * 2^E = 1.60000002384185791015625 * (1/16) = 0.100000001490116119384765625

……╮(╯▽╰)╭OMG

看到了吧，一个小小的0.1，居然需要曲线就轨到这种程度才能用float近似表示，没办法，谁让计算机只认二进制呢:（，同理即便代码利用的是double，也不可能有办法精确表示0.1，只是最终数值比上面float的表示更接近0.1而已。从这里我们还发现，虽然单精度有23个有效位来贡献精度，但真正能精确表示的十进制小数的位数很有限，因为很多位数都牺牲在从十进制转二进制的道路上了。

事实上，当r2 = recip(denom)执行完时，r2的值是存在寄存器里的，此时被认为是0.1；而由于多跑了r2赋值这段语句，r1的值已经写入存储器了（这是相对于寄存器的叫法而言，不是指硬盘），也就是双精度方式存储，就是类似上面我们算出来的值，因此比较1式子结果为0。然而当我们用do_thinklife()思考过人生后，r2的值终于也写入双精度存储，因此比较2的结果为1。同理，比较3中，由于该语句在执行完之前就进行比较，因此1.0/(double) denom是直接被当成0.1来处理的，自然结果为0。

有符号数的转换

如果从较低类型转换到较高类型，将进行符号扩展，例如一个值从short int（16位）转换到long类型，如果这个数是正数，则最高位为0，从16位扩展到32位时，扩展的高16位用0填充，即将符号位0进行扩展，这样扩展后的32位整数和原来的整数值是一样的。如果该数为负数，则最高位为1，从16位扩展到32位时，扩展的高16位用1填充，即将符号位1进行扩展，这样扩展后的32位整数和原来的整数值是也是一样的。
原文链接：https://blog.csdn.net/u013471946/article/details/23354913