32位单精度储存构造(对应占位)
符号(S)
阶码(E)
尾数(M)
1
8
23
64位双精度储存构造(对应占位)
符号(S)
阶码(E)
尾数(M)
1
11
52
阐明:
S: 符号(0正，1负)E: 阶码(指数)M: 尾数(二进制小数,数字的实体部分)M(尾数)和E(阶码)不同情形须要分别对待
E(阶码)的三种状态及对应的M表示从图中(截图于深入理解打算机系统)我们可以分为三种情形(第三种又分为两种分外情形)
规格化E既不即是0也不即是255(将S按十进制打算)，这个时候的E=E-127，M的二进制小数默认省略了1.，也便是M=1.M(二进制小数)我们做一个大略的测试看一下二进制00111110001000000000000000000000(32位)表示的对应的浮点数为多少？
首先拆分二进制: 0 01111100 01000000000000000000000E = 124 = 124 - 127 = -3M = 1.01000000000000000000000套公式: 1 x 1.01000000000000000000000 x 2^-3 = 0.00101000000000000000000000 = 2^-3 + 2^-5 = 0.15625利用PHP验证一下结果：
var_dump(unpack('f', pack('l', bindec('00111110001000000000000000000000')))[1]);//输出: float(0.15625)
上面的例子没有丢失精度，下面看一个丢失精度的例子：
printf('%032s', decbin(unpack('l', pack('f', 1/3))[1]));//输出: 00111110101010101010101010101011var_dump(unpack('f', pack('l', bindec('00111110101010101010101010101011')))[1]);float(0.33333334326744)
丢失精度最紧张缘故原由就在于M(二进制小数)，我们只能精确的表示2^n倍数的数(2^-1(0.5),2^-2(0.25),2^-3(0.125)...)，丢了在所难免。
非规格化E即是0，这个时候E=-126，M的二进制小数前缀为0.，也便是M=0.M(二进制小数)，详细过程就不写了，和上面类似
分外情形E即是255(全部位都为1)，如果M全部为0，那么表示为无穷大，否则表示为NaN(不是一个数)
var_dump(unpack('f', pack('l', bindec('01111111100000000000000000000000')))[1]);//输出: float(INF)var_dump(unpack('f', pack('l', bindec('01111111100000000000000000000110')))[1]);//输出: float(NAN)不要比较浮点数
总之，浮点数是不准确的。尤其在我们日常事情中，不要比较浮点数的大小，如果须要精确的比较打算，请利用bc系列函数。还有一点，浮点数不准确和PHP没有任何关系，PHP不背这个锅。
