Float.floatToIntBits 通过将 float 映射为标准化的 int 位表示实现精确二进制比较，区别于 == 的浮点语义：它区分 0.0f 和 -0.0f，统一所有 NaN 为 0x7fc00000，适用于 equals、hashCode 等需位级一致性的场景。
Java 中用 Float.floatToIntBits 比较两个浮点数，本质是绕过浮点数语义，直接对比它们在 IEEE 754 单精度格式下的**整型位表示**，从而实现精确的二进制等值判断（包括 0.0f 和 -0.0f 的区分、NaN 的特殊处理等）。
为什么不能直接用 == 比较？
浮点数的 == 运算符遵循 IEEE 754 规则：
– 0.0f == -0.0f 返回 true（数值相等）；
– 所有 NaN 值之间互不相等（Float.NaN == Float.NaN 是 false）；
– 但底层二进制表示中，0.0f 和 -0.0f 的位模式不同，NaN 有多种合法编码。
Float.floatToIntBits 把 float 映射为 int，且保证：
- 相同 bit 模式 → 相同 int 值（包括
-0.0f和0.0f映射为不同 int）； - 所有
NaN统一映射为同一个 int 值（0x7fc00000），即“规范化的 NaN 表示”； - 结果可安全用于
==或hashCode等场景。
如何用 floatToIntBits 做严格二进制比较？
直接比较两个 float 的位模式是否完全一致：
float a = -0.0f; float b = 0.0f; boolean sameBits = Float.floatToIntBits(a) == Float.floatToIntBits(b); // false
这比 a == b 更底层、更“字节级”。常见用途：
立即学习“Java免费学习笔记（深入）”；
- 实现自定义
equals()方法（如封装 float 的类）； - 做哈希计算（
HashMap键需稳定 hash）； - 序列化/反序列化后验证 bit 级一致性；
- 调试浮点数精度问题时检查是否真被修改。
注意 floatToIntBits 和 floatToRawIntBits 的区别
Float.floatToIntBits(x) 对 NaN 做标准化：无论输入是哪种 NaN 编码，输出固定为 0x7fc00000。Float.floatToRawIntBits(x) 则**原样保留**原始位模式，包括不同 NaN 的差异和符号位对 0.0f/-0.0f 的区分。
选择依据：
- 要语义等价（所有 NaN 当作一样）→ 用
floatToIntBits； - 要完全还原二进制（比如网络传输、内存 dump 分析）→ 用
floatToRawIntBits。
实际例子：封装类的 equals 实现
假设有一个不可变浮点包装类：
public final class BitwiseFloat {
private final float value;
public BitwiseFloat(float value) { this.value = value; }
@Override
public boolean equals(Object o) {
if (this == o) return true;
if (o == null || getClass() != o.getClass()) return false;
BitwiseFloat that = (BitwiseFloat) o;
return Float.floatToIntBits(value) == Float.floatToIntBits(that.value);
}
@Override
public int hashCode() {
return Float.floatToIntBits(value);
}
}
这样 new BitwiseFloat(0.0f).equals(new BitwiseFloat(-0.0f)) 就是 false，符合位级相等语义。
