什么是 IEEE 754 浮点数转换器?
这个工具可以把一个 32 位十六进制数,按照 IEEE 754 单精度标准还原成它所代表的实际数值——这正是 C、Java 以及绝大多数现代硬件中 float 类型所采用的格式。只要输入 8 位十六进制数字,转换器就会将其拆分成构成浮点数的三个字段:1 位符号位、8 位指数位和 23 位尾数(小数部分),再重新组合成一个十进制数值。
使用方法
把这个 32 位数值以十六进制形式输入(例如 40490FDB)。"0x" 前缀可加可不加,非十六进制字符会被自动忽略。不足 8 位的输入会在左侧补零。结果会显示十进制数值,以及解析出的符号位、存储指数、去偏指数和尾数,方便你自行核对每一位的排布。
计算公式详解
对于规格化(normal)数值,计算公式为 $$\text{Value} = (-1)^{s} \times \left(1 + \frac{m}{2^{23}}\right) \times 2^{(e - 127)}$$ 其中 127 是单精度的指数偏移量(bias)。式中的"1 +"代表规格化二进制数始终隐含的那一位前导 1。当存储指数 e 为 0 时,该数为次规格化(subnormal)数:此时隐含的前导 1 消失,指数被固定为 -126。当 e 为 255 时,数值为无穷大(尾数为 0)或 NaN(非数)。
实例演算
以 40490FDB 为例。其二进制中符号位为 0(正数),指数字段为 10000000 = 128,因此去偏指数为 \(128 - 127 = 1\)。尾数位对应的整数值为 4788187,得到小数部分 \(4788187/8388608 \approx 0.5707964\)。于是数值为 $$(1 + 0.5707964) \times 2^{1} \approx 3.14159274$$ 这正是 π 在单精度下最接近的近似值。
常见 IEEE 754 单精度特殊值
以下是您最常遇到的 IEEE 754 binary32(单精度)位模式。这 32 位分为 1 位符号位、8 位指数位(偏置 127)和 23 位小数位。符号、指数和尾数列显示了解码后的各个字段。
| 十六进制 | 符号 | 指数(带偏置) | 尾数(小数字段) | 含义 |
|---|---|---|---|---|
| 00000000 | 0 | 0 | 0 | +0 |
| 80000000 | 1 | 0 | 0 | -0(与 +0 比较相等) |
| 3F800000 | 0 | 127 | 0 | 1.0 |
| BF800000 | 1 | 127 | 0 | -1.0 |
| 40000000 | 0 | 128 | 0 | 2.0 |
| 3F000000 | 0 | 126 | 0 | 0.5 |
| 40490FDB | 0 | 128 | 0x490FDB (4788187) | ≈ 3.14159274(最接近 π 的浮点数) |
| 7F800000 | 0 | 255 | 0 | +无穷大 |
| FF800000 | 1 | 255 | 0 | -无穷大 |
| 7FC00000 | 0 | 255 | 0x400000(最高小数位已置位) | 安静型 NaN |
| 00000001 | 0 | 0 | 1 | 最小正次正规数,2-149 ≈ 1.4013e-45 |
| 00800000 | 0 | 1 | 0 | 最小正规数,2-126 ≈ 1.1755e-38 |
| 7F7FFFFF | 0 | 254 | 0x7FFFFF (8388607) | 最大有限值 ≈ 3.4028235e38 |
对 40490FDB 的解码示例:指数字段为 128,因此比例因子为 \(2^{128-127} = 2\)。尾数给出 \(1 + \frac{4788187}{8388608} \approx 1.5707964\)。乘积为 \(1.5707964 \times 2 \approx 3.1415927\)。
浮点术语词汇表
- 符号位
- 第 31 位。0 表示正数,1 表示负数。它同样适用于零、无穷大和 NaN,因此存在 -0。
- 带偏置指数
- 原始的 8 位指数字段(第 30–23 位),以 0 到 255 之间的无符号数存储。
- 无偏置指数
- 真实的 2 的幂次,等于带偏置指数减去 127。对于正规数,其范围为 -126 到 +127。
- 指数偏置(127)
- 从存储指数中减去的常数。它使该字段无需单独的符号位即可表示负的幂次。
- 尾数 / 有效数字 / 小数
- 存储的 23 位小数位(第 22–0 位)。“Fraction”指存储的字段。“Significand”或“mantissa”通常指包括隐含前导位在内的完整值,从而提供 24 位精度。
- 隐含前导位
- 对于正规数,小数点前的前导 1 被默认存在,但不被存储。有效数字为 \(1 + m/2^{23}\)。
- 正规数
- 指数字段为 1–254。它们具有隐含前导 1,并具有完整的 24 位精度。
- 次正规(非规格化)数
- 指数字段为 0 且小数部分非零。前导位为 0,指数固定为 -126,因此其值为 \(m/2^{23} \times 2^{-126}\)。它们以降低的精度填补零附近的间隙。
- 无穷大
- 指数字段为 255 且小数部分为零。它由溢出或非零数除以零产生,并带有符号。
- NaN(非数)
- 指数字段为 255 且小数部分非零。安静型 NaN(最高小数位已置位,例如 7FC00000)会在运算中静默传播。信号型 NaN(最高小数位未置位、小数部分非零,例如 7F800001)在使用时旨在引发无效运算异常。
- 机器精度(机器 epsilon)
- 1.0 与下一个更大浮点数之间的间距:\(2^{-23} \approx 1.19 \times 10^{-7}\)。
- ULP(末位单位)
- 给定量级下两个相邻浮点数之间的间距。指数每增加一,它就翻倍,因此较大数值的绝对精度会降低。
解读解码结果
指数字段范围
- 0:值为零(小数部分为 0)或次正规数(小数部分非零)。
- 1–254:正规数,\((-1)^s \times \left(1 + \frac{m}{2^{23}}\right) \times 2^{e-127}\)。
- 255:无穷大(小数部分为 0)或 NaN(小数部分非零)。
精度
单精度浮点数有 24 个有效位,可保持约 6–9 位有效十进制数字。最多 6 位的任何十进制数经过浮点数往返转换后都能保持不变。需要 9 位数字才能唯一标识一个浮点数。超过此位数后,末尾数字没有意义。
为什么十进制数可能与您输入的不同
转换器显示位中存储的精确值。大多数十进制小数(例如 0.1)没有有限的二进制展开,因此会被舍入到最接近的浮点数。输入 0.1 得到 0x3DCCCCCD。对其解码:
$$e = 123,\quad m = 5033165,\quad \text{数值} = \left(1 + \frac{5033165}{8388608}\right) \times 2^{123-127} \approx 1.6000000238 \times 0.0625 \approx 0.100000001490116$$
超出 0.1 的微小部分是舍入误差,而不是转换中的错误。
字节序与内存转储
此处输入的十六进制值是逻辑上的 32 位字,符号位为最高有效位。在内存中,字节顺序取决于平台。小端序系统(x86、大多数 ARM 配置)将 3F800000(1.0)存储为字节 00 00 80 3F。大端序系统以及大多数网络协议则存储为 3F 80 00 00。如果转储结果令人意外,请在输入前颠倒字节顺序。
常见问题
为什么结果和我预期的数字不完全一样? 单精度只有大约 7 位十进制有效数字,因此许多十进制数值会被舍入到最接近的可表示浮点数。
双精度(64 位)怎么处理? 本工具针对的是 32 位单精度。双精度使用 11 位指数、52 位尾数,偏移量为 1023。
7FC00000 会得到什么? 那是一个 NaN(指数全为 1,尾数非零),并不是一个有限数。