第一百三十七章 真正深入了解NBT-3
在上一章，我們講完了NBT數(shù)據(jù)類型中數(shù)值類型中的整形形式。按照作者我歸納的：
[字符]
字符串（String）
[數(shù)值]
{整形}
字節(jié)型（Byte：B）
短整型（Short：S）
整型（Int：I）
長整型（Long：L）
{浮點型（小數(shù)）}
單精度浮點型（Float：F）
雙精度浮點型（Double：D）
[數(shù)據(jù)]
復合標簽（Compound）
列表（List）
[數(shù)組]
字節(jié)型數(shù)組（Byte Array：[B]）
整型數(shù)組（Int Array：[I]）
長整型數(shù)組（Long Array：[L]）
接下來就應該是小數(shù)（浮點數(shù)）了。
小數(shù)有兩種數(shù)據(jù)類型，這兩種類型我們都已經(jīng)在之前的章節(jié)接觸過，即：
單精度浮點型（Float：F）
雙精度浮點型（Double：D）
在第一百三十二章，作者就講過單精度浮點型和雙精度浮點型的占用空間，即：
單精度浮點型——占用空間：32位（4字節(jié)）
雙精度浮點型——占用空間：64位（8字節(jié)）
同時我也提了這兩個類型的數(shù)值范圍：
單精度浮點型：-3.4×103?～3.4×103?
雙精度浮點型：-1.79769313486232×103??～1.79769313486232×103??
經(jīng)過了上一章的了解，我們已經(jīng)知道同樣是32位占用空間的Long長整形，它的數(shù)值范圍達到了：
-(2?3)~2?3-1
即：-922'3372'0368'5477'5808~922'3372'0368'5477'5807
但單精度浮點型卻達到了：
-340'0000'0000'0000'0000'0000'0000'0000'0000'0000~340'0000'0000'0000'0000'0000'0000'0000'0000'0000（負三百四十澗至三百四十澗[注：一澗為萬溝，一溝為萬穰，一穰為萬秭，一秭為萬垓，一垓為萬京]）
為什么在相同的存儲空間下，Long長整形的數(shù)值范圍才達到京的程度，而Float單精度浮點型的數(shù)值范圍卻已經(jīng)達到了澗的程度了呢？這到底是人性的扭曲還是道德的淪喪？
這還沒完。我們知道，整數(shù)它規(guī)定一個最大范圍，正負整數(shù)就都有其自己的最大值和最小值了。但小數(shù)不一樣，你規(guī)定一個最大值，但它還可以無限增加它的小數(shù)位數(shù)，如：
1.76×10????????????????
這數(shù)雖然很小，但小到小數(shù)位數(shù)就有999'9999'9999'9999將近千兆位了。如果要表示這串數(shù)字，光是4B的空間是絕對不夠的。所以，浮點數(shù)數(shù)值類型也有其自己的小數(shù)位數(shù)最大值：
單精度浮點型：45位小數(shù)位數(shù)
雙精度浮點型：45位小數(shù)位數(shù)
看來小數(shù)位最大值都一樣嘛。
剛才我們提了兩個問題：
1.為什么在相同的空間下，Long長整形的數(shù)值范圍才達到京的程度，而Float單精度浮點型的數(shù)值范圍卻已經(jīng)達到了澗的程度了呢？
2.這到底是人性的扭曲還是道德的淪喪？
首先我們來解答第一個問題。
其實，不管是什么浮點數(shù)，管他是單精度、雙精度還是三精度，它們都有一個標準，這個標準就是：IEEE 754-2008（IEEE二進位浮點數(shù)算術標準）
這個標準規(guī)定了很多東西，想深入了解的話可以去百度百科上，這里就不細講了。
其中，最重要的也是最簡單的莫過于一個公式：
Value=sign bit×exponent bias×fraction
即一個浮點數(shù)，等于符號位乘以指數(shù)偏移值再乘以分數(shù)值。
看不懂是吧？其實，浮點數(shù)的表示方法就是用到了我們在學前班就學到過的“科學計數(shù)法”。
比如我們的單精度浮點型，它的32個位分別是：
0'00000000'00000000000000000000000
?。ǚ栁?1）'（階碼:8）'（尾數(shù):23）
看來還是看不懂啊。算了，總之，是因為浮點數(shù)采用了科學計數(shù)法的方式來存儲，才可以在32位的空間內塞入這么大的數(shù)值。
這就是第一個問題的答案。
第二個問題的答案就非常簡單了，是：無法確定，因為人類的情緒是無法用語言準確表達出來的，最多也只能表達個大概。
現(xiàn)在我們知道浮點數(shù)使用的是科學計數(shù)法來存儲。這種存儲方法有利也有弊：利在于可存儲數(shù)值的范圍擴大了很多；但弊也有，就是能準確存儲的數(shù)值范圍縮小了。
啥意思呢？剛才說過，Long長整形的數(shù)值范圍是：
-922'3372'0368'5477'5808~922'3372'0368'5477'5807
在這個范圍內，存儲的數(shù)值都是非常準確的，不會你給了個在這個范圍內的數(shù)，計算機就在后臺為了方便給你這個數(shù)四舍五入或者砍了幾個0。因此，我們就把這個Long長整形的數(shù)值范圍又叫做Long長整形的有效數(shù)值范圍。
但浮點數(shù)就不一樣了，由于使用科學計數(shù)法存儲，導致數(shù)值范圍看起來很大，但實際有效數(shù)值范圍只有那么一點點：
單精度浮點型：7位（整數(shù)）
雙精度浮點型：16位（整數(shù)）
對比一下Long長整形的有效數(shù)值范圍：19位（整數(shù)）
哦天哪！這浮點數(shù)，就像是MC的真區(qū)塊和假區(qū)塊一樣——別看MC邊長可以達到21'4748'3647×21'4748'3647，實際上有效游玩范圍只有2999'9999×2999'9999，出去了就各種BUG、特性、崩壞，可能時不時還跳出個桌面。
這就告訴了我們一個人間真理：
很多時候，國產(chǎn)游戲廣告的內容看起來很牛逼，實際上真實游戲內容只有宣傳其中的1%都不到。
嗯，這很資本家。
好了，回到正題。我們目前已經(jīng)知道了兩個浮點型的數(shù)值范圍、小數(shù)位數(shù)最大值、有效數(shù)值范圍和占用存儲空間。但別忘了，很多NBT數(shù)據(jù)類型都有類型字母的，我們的兩個浮點型也不例外，都有自己的字母：
單精度浮點型：f
雙精度浮點型：d
具體用法就不再多說了。
我們知道，浮點數(shù)是可以表示整數(shù)也可以表示小數(shù)的。那么在表示整數(shù)時，我們要不要加上小數(shù)點呢？
答案是加不加都可以，當然最好是加上。
總而言之，兩個浮點型的特性分別是——
單精度浮點型：
1.數(shù)值范圍為-3.4×103?～3.4×103?
2.占用空間32位（4字節(jié)）
3.使用IEEE 754-2008標準
4.小數(shù)位數(shù)最大值位45位
5.有效數(shù)值范圍為7位整數(shù)
6.類型字母位f
7.小數(shù)部分都為0時（即值為整數(shù)），可不加小數(shù)點，但最好要加上。
雙精度浮點型：
1.數(shù)值范圍為-1.79769313486232×103??～1.79769313486232×103??
2.占用空間64位（8字節(jié)）
3.使用IEEE 754-2008標準
4.小數(shù)位數(shù)最大值位45位
5.有效數(shù)值范圍為16位整數(shù)
6.類型字母位d
7.小數(shù)部分都為0時（即值為整數(shù)），可不加小數(shù)點，但最好要加上。