计算机的原码, 反码和补码.
作者：互联网
计算机的原码, 反码和补码. 并且进行了深入探求了为何要使用反码和补码, 以及更进一步的论证了为何可以用反码, 补码的加法计算原码的减法.
一、数据的表示：
1. 机器数和真值
在学习原码, 反码和补码之前, 需要先了解机器数和真值的概念.
1）、机器数
一个数在计算机中的二进制表示形式, 叫做这个数的机器数。机器数是带符号的，在计算机用一个数的最高位存放符号, 正数为0, 负数为1.
比如，十进制中的数 +3 ，计算机字长为8位，转换成二进制就是00000011。如果是 -3 ，就是 10000011 。
那么，这里的 00000011 和 10000011 就是机器数。
2）、真值
因为第一位是符号位，所以机器数的形式值就不等于真正的数值。例如上面的有符号数 10000011，其最高位1代表负，其真正数值是 -3 而不是形式值131（10000011转换成十进制等于131）。所以，为区别起见，将带符号位的机器数对应的真正数值称为机器数的真值。
例：0000 0001的真值 = +000 0001 = +1，1000 0001的真值 = –000 0001 = –1
2. 原码, 反码, 补码的基础概念和计算方法.
在探求为何机器要使用补码之前, 让我们先了解原码, 反码和补码的概念.对于一个数, 计算机要使用一定的编码方式进行存储. 原码, 反码, 补码是机器存储一个具体数字的编码方式.
1）. 原码
原码就是符号位加上真值的绝对值, 即用第一位表示符号, 其余位表示值. 比如如果是8位二进制:
[+1]原 = 0000 0001
[-1]原 = 1000 0001
第一位是符号位. 因为第一位是符号位, 所以8位二进制数的取值范围就是:
[1111 1111 , 0111 1111]
即
[-127 , 127]
原码是人脑最容易理解和计算的表示方式.
2）. 反码
反码的表示方法是:
正数的反码是其本身
负数的反码是在其原码的基础上, 符号位不变，其余各个位取反.
[+1] = [00000001]原 = [00000001]反
[-1] = [10000001]原 = [11111110]反
可见如果一个反码表示的是负数, 人脑无法直观的看出来它的数值. 通常要将其转换成原码再计算.
3）. 补码
补码的表示方法是:
正数的补码就是其本身
负数的补码是在其原码的基础上, 符号位不变, 其余各位取反, 最后+1. (即在反码的基础上+1)
[+1] = [00000001]原 = [00000001]反 = [00000001]补
[-1] = [10000001]原 = [11111110]反 = [11111111]补
对于负数, 补码表示方式也是人脑无法直观看出其数值的. 通常也需要转换成原码在计算其数值.
3. 为何要使用原码, 反码和补码
在开始深入学习前, 我的学习建议是先"死记硬背"上面的原码, 反码和补码的表示方式以及计算方法.
现在我们知道了计算机可以有三种编码方式表示一个数. 对于正数因为三种编码方式的结果都相同:
[+1] = [00000001]原 = [00000001]反 = [00000001]补
所以不需要过多解释. 但是对于负数:
[-1] = [10000001]原 = [11111110]反 = [11111111]补
可见原码, 反码和补码是完全不同的. 既然原码才是被人脑直接识别并用于计算表示方式, 为何还会有反码和补码呢?
首先, 因为人脑可以知道第一位是符号位, 在计算的时候我们会根据符号位, 选择对真值区域的加减. (真值的概念在本文最开头). 但是对于计算机, 加减乘数已经是最基础的运算, 要设计的尽量简单. 计算机辨别"符号位"显然会让计算机的基础电路设计变得十分复杂! 于是人们想出了将符号位也参与运算的方法. 我们知道, 根据运算法则减去一个正数等于加上一个负数, 即: 1-1 = 1 + (-1) = 0 , 所以机器可以只有加法而没有减法, 这样计算机运算的设计就更简单了.
于是人们开始探索 将符号位参与运算, 并且只保留加法的方法. 首先来看原码:
计算十进制的表达式: 1-1=0
1 - 1 = 1 + (-1) = [00000001]原 + [10000001]原 = [10000010]原 = -2
如果用原码表示, 让符号位也参与计算, 显然对于减法来说, 结果是不正确的.这也就是为何计算机内部不使用原码表示一个数.
为了解决原码做减法的问题, 出现了反码:
计算十进制的表达式: 1-1=0
1 - 1 = 1 + (-1) = [0000 0001]原 + [1000 0001]原= [0000 0001]反 + [1111 1110]反 = [1111 1111]反 = [1000 0000]原 = -0
发现用反码计算减法, 结果的真值部分是正确的. 而唯一的问题其实就出现在"0"这个特殊的数值上. 虽然人们理解上+0和-0是一样的, 但是0带符号是没有任何意义的. 而且会有[0000 0000]原和[1000 0000]原两个编码表示0.
于是补码的出现, 解决了0的符号以及两个编码的问题:
1-1 = 1 + (-1) = [0000 0001]原 + [1000 0001]原 = [0000 0001]补 + [1111 1111]补 = [0000 0000]补=[0000 0000]原
这样0用[0000 0000]表示, 而以前出现问题的-0则不存在了.而且可以用[1000 0000]表示-128:
(-1) + (-127) = [1000 0001]原 + [1111 1111]原 = [1111 1111]补 + [1000 0001]补 = [1000 0000]补
-1-127的结果应该是-128, 在用补码运算的结果中, [1000 0000]补 就是-128. 但是注意因为实际上是使用以前的-0的补码来表示-128, 所以-128并没有原码和反码表示.(对-128的补码表示[1000 0000]补算出来的原码是[0000 0000]原, 这是不正确的)
使用补码, 不仅仅修复了0的符号以及存在两个编码的问题, 而且还能够多表示一个最低数. 这就是为什么8位二进制, 使用原码或反码表示的范围为[-127, +127], 而使用补码表示的范围为[-128, 127].
因为机器使用补码, 所以对于编程中常用到的32位int类型, 可以表示范围是: [-231, 231-1] 因为第一位表示的是符号位.而使用补码表示时又可以多保存一个最小值。
二、Double Float的取值范围：
（1）取值范围
float和double的范围是由指数的位数来决定的。
float的指数位有8位，而double的指数位有11位，分布如下：
float：
1bit（符号位）
8bits（指数位）
23bits（尾数位）
double：
1bit（符号位）
11bits（指数位）
52bits（尾数位）
于是，float的指数范围为-127~+128，而double的指数范围为-1023~+1024，并且指数位是按补码的形式来划分的。其中负指数决定了浮点数所能
表达的绝对值最小的非零数；而正指数决定了浮点数所能表达的绝对值最大的数，也即决定了浮点数的取值范围。float的范围为-2^128 ~ +2^128，
也即-3.40E+38 ~ +3.40E+38；double的范围为-2^1024 ~ +2^1024，也即-1.79E+308 ~ +1.79E+308。
（2）精度
float和double的精确度是按照整体位数来的，并不是只是考虑小数部分。
float的精度为7~8位有效数字，7位肯定能保证，8位的值也存在。
double的精度为16~17位有效数字
看一段代码
public class Main {
public static void main(String[] args) {
float f6 = 1.000003f;//6位小数位,总共7位
float f7 = 1.0000003f;//7位小数位，总共8位
float f8 = 1.00000003f;//8位小数位，总共9位
float f_8 = 10.000003f;//6位小数位,总共8位
float f_9 = 10.0000003f;//7位小数位,总共9位
float f_10 = 10.00000003f;//8位小数位,总共10位
double d15 = 1.000000000000003;//15位小数位，总共16位
double d16 = 1.0000000000000003;//16位小数位，总共17位
double d17 = 1.00000000000000003;//17位小数位，总共18位
double d_17 = 10.000000000000003;//15位小数位，总共17位
double d_18 = 10.0000000000000003;//16位小数位，总共18位
double d_19 = 10.00000000000000003;//17位小数位，总共19位
System.out.println("结果为false证明 == 校验到了小数点位, 精确度可信");
System.out.println("float(7位有效,6位小数) 1.000003f == 1 的结果是：" + (f6==1));
System.out.println("float(8位有效,7位小数) 1.0000003f == 1 的结果是：" + (f7==1));
System.out.println("float(9位有效,8位小数) 1.00000003f == 1 的结果是：" + (f8==1));
System.out.println("float(8位有效,6位小数) 10.000003f == 10 的结果是：" + (f_8==10));
System.out.println("float(9位有效,7位小数) 10.0000003f == 10 的结果是：" + (f_9==10));
System.out.println("float(10位有效,8位小数) 10.00000003f == 10 的结果是：" + (f_10==10));
System.out.println("------------------");
System.out.println("double(16位有效,15位小数) 1.000000000000003 == 1 的结果是：" + (d15==1));
System.out.println("double(17位有效,16位小数) 1.0000000000000003 == 1 的结果是：" + (d16==1));
System.out.println("double(18位有效,17位小数) 1.00000000000000003 == 1 的结果是：" + (d17==1));
System.out.println("double(17位有效,15位小数) 10.000000000000003 == 10 的结果是：" + (d_17==10));
System.out.println("double(18位有效,16位小数) 10.0000000000000003 == 10 的结果是：" + (d_18==10));
System.out.println("double(19位有效,17位小数) 10.00000000000000003 == 10的结果是：" + (d_19==10));
}
}
结果为false的，那么小数点存在有意义，也就是精确位
从结果来看，float可以精确到有效数字8位， double到了17位
之所以不能用f1==f2来判断两个数相等，是因为虽然f1和f2在可能是两个不同的数字，但是受到浮点数表示精度的限制，有可能会错误的判断两个数相等！
标签：0000,double,float,补码,反码,原码 来源： https://www.cnblogs.com/JIANGzihao0222/p/16677953.html