Float.MIN_VALUE和Float.MIN_NORMAL之间的区别？ [重复]

第一个问题的答案是重复的。 第二个问题的答案是： 浮点数和双打数都没有无限的精度。您可以方便地认为它们的精度约为16位。超过此限制的所有内容都将导致舍入错误和截断。 因此，1.0e0 + 1e-38由于会舍弃多余的精度，因此除了以1.0e0结尾以外，将无法执行任何操作。 与其他答案一样，它确实需要了解IEEE格式的浮点数实际上是如何以二进制形式添加的。基本思想是二进制浮点数的非符号和指数部分在CPU的IEEE-754单元中进行了移位（Intel上为80位宽，这意味着在末尾总是会截断）计算）代表其实数。以十进制表示，如下所示： 位数：1 234567890123456 值：1.0000000000000000000000000000 ... 0000 值：0.0000000000000000000000000000 ... 0001 处理完添加后，实际上是： 位数：1 234567890123456 值：1.0000000000000000000000000000 ... 0001 因此，请记住，该值会在16位数字标记附近截断（以十进制表示，在32位浮点数中恰好是22个二进制数字，在64位双精度数中恰好是51个二进制数字，而忽略了非常重要的事实前导1被移位（相对于指数）并被假定（有效地将23位二进制数字压缩为32位的22和22位的52压缩为51），这是很有趣的一点，但是您应该阅读更多详细示例，例如此处的详细信息）。 截断： 位数：1 234567890123456 价值：1.00000000000000000000 请注意，非常小的小数部分将被截断，因此保留1。 当我在考虑内存中的实际表示时遇到问题时，可以使用以下页面：十进制到32位IEEE-754格式。在该站点中，还有指向64位的链接，并且反向链接。