嘿，我来帮你把这两个浮点数存储的核心问题讲明白——这也是当初我刚啃IEEE-754标准时最困惑的点，咱们一步一步拆解：

1. 浮点数如何转换为科学计数法进行存储？ #

IEEE-754标准下的浮点数存储，本质是把十进制数转成二进制规范科学计数法后，拆分出符号、指数、尾数三个部分来存储，核心步骤如下：

• 第一步：确定符号位：正数符号位为0，负数为1，单独存在最左侧。
• 第二步：把十进制数转换成二进制数（比如十进制9转成二进制是1001）。
• 第三步：规范化二进制数：调整小数点位置，让它变成 1.xxxx * 2^e 的形式（因为基数固定为2，所以整数部分必须是1，这是关键规则！）。比如二进制1001（对应十进制9）会被调整成 1.001 * 2^3。
• 第四步：处理指数：为了让指数能同时表示正负值，会给真实指数加上一个偏移量（单精度float的偏移量是127，双精度double是1023）。比如上面的真实指数3，单精度下存储的就是3 + 127 = 130，转成二进制是10000010。
• 第五步：存储尾数：因为规范化后的整数部分永远是1，所以可以省略不存，只存小数点后面的部分（比如1.001就只存001），剩下的位数用0补全（单精度尾数占23位，双精度占52位）。

2. 确定尾数（Significand/Mantissa）和指数（Exponent）的数学算法？ #

咱们用正数的常规情况举例（负数仅多一个符号位处理，核心逻辑一致）：

指数的计算步骤： #

假设我们有一个非零的十进制数N：

1. 先把N转换成二进制数B。
2. 找到二进制数B中最高位的1的位置：比如B=1001，最高位1从右往左数（从0开始计数）是第3位。
3. 计算真实指数e：
   • 如果B是整数，e = 最高位1的位置；
   • 如果B是小数（比如0.5的二进制是0.1），真实指数e = -(第一个1前面的0的个数)，比如0.5规范化后是1.0 * 2^-1，所以e=-1。
4. 加上偏移量得到存储的指数值：单精度存储指数 = e + 127，双精度存储指数 = e + 1023。

尾数的计算步骤： #

1. 把N转换成规范化的二进制科学计数法：1.f * 2^e，其中f是小数部分（比如9的规范化形式是1.001 * 2^3，这里f=001）。
2. 尾数的存储值就是f的二进制位，后面补0到对应位数（单精度补到23位，双精度补到52位）。
3. 特殊情况：如果是0，指数会被设为全0，尾数也全0；如果是无穷大或者NaN，指数会被设为全1，尾数分别为全0或非全0。

举个实际例子验证：十进制8转成IEEE-754单精度浮点数

• 二进制是1000，规范化后是1.0 * 2^3
• 符号位：0（正数）
• 存储指数：3 + 127 = 130 → 二进制10000010
• 尾数：0后面补22个0 → 00000000000000000000000
• 最终存储的32位二进制就是：0 10000010 00000000000000000000000

内容的提问来源于stack exchange，提问作者JackOfAll