float.floattointbits() 是将 float 的 ieee 754 32 位二进制表示直接解释为 int 位模式，不进行数值转换；它用于位级操作，如精确比较、序列化和哈希，区别于 (int)f 等数值映射。
Java 中 Float.floatToIntBits() 并不是“把 float 转成 int 值”，而是**按 IEEE 754 单精度浮点数的内存布局，把该 float 的 32 位二进制表示直接解释为一个 int 的位模式**。它不涉及数值转换、舍入或类型强转，只做位级拷贝（bitwise copy）。
IEEE 754 单精度浮点数的 32 位结构
一个 float 在内存中占 4 字节（32 位），按如下三段划分：
- 符号位（1 位）：最高位（bit 31），0 表示正，1 表示负
- 指数域（8 位）：bit 30–23，采用偏移码（bias = 127）。真实指数 = 存储值 − 127
- 尾数域／小数域（23 位）：bit 22–0，隐含前导 1（即实际有效位是 24 位，但只存后 23 位）
例如：float f = 1.0f 对应的二进制位模式是：0 01111111 00000000000000000000000，即十六进制 0x3F800000。
调用 Float.floatToIntBits(1.0f) 返回的就是整数 1065353216（即 0x3F800000 的十进制）。
为什么不用 (int)f 或 Math.round()？
直接强制类型转换或取整会改变数值语义：
-
(int)1.9f → 1（截断小数部分） -
Math.round(1.9f) → 2（四舍五入到最近 int） -
Float.floatToIntBits(1.9f) → 1073741824（对应其 IEEE 754 编码0x40066666）
前者是**数值映射**，后者是**位模式映射**——这是本质区别。当你需要比较浮点数是否“完全相等”（包括 NaN）、序列化原始位、调试精度问题或实现自定义哈希时，必须用位表示。
特殊值的位表示行为
floatToIntBits() 对特殊浮点值有明确定义：
-
+0.0f 和 −0.0f：位模式不同（符号位不同），返回不同的 int（
0x00000000vs0x80000000） -
NaN：所有 NaN 都映射为同一个 int 值
0x7FC00000（即Float.NaN的位表示），不管原始 NaN 的 payload 是什么（这是规范要求） -
无穷大：+∞ →
0x7F800000，−∞ →0xFF800000
注意：若需保留 NaN 的原始 payload（如调试用途），应改用 Float.floatToRawIntBits()，它不做 NaN 归一化。
如何手动验证或还原位表示？
你可以用位运算或 Integer.toBinaryString() 查看结果：
float f = -2.5f; int bits = Float.floatToIntBits(f); System.out.println(Integer.toHexString(bits)); // 输出: "c0200000" System.out.println(Integer.toBinaryString(bits | 0x100000000L).substring(1)); // 补零输出32位二进制
反过来，用 Float.intBitsToFloat(int) 可将该 int 的位模式重新解释为 float —— 这是完全可逆的位级操作，不损失任何信息。
