frexp：浮点数的“拆解手术刀”，不是取指数那么简单

写C++时，你有没有遇到过这种场景：需要把一个浮点数精确还原成 m × 2^e 的形式，比如判断它是否落在某个归一化区间、做定点数模拟、或者调试数值精度问题？用 log2(x) 算指数？小心——它受舍入误差拖累，且对零、负数、无穷大处理模糊。这时候，std::frexp 就不是个冷门函数，而是你该随身带的“浮点数解剖刀”。

frexp 的签名很朴素：

double frexp(double x, int* exp);
float frexp(float x, int* exp);
long double frexp(long double x, int* exp);

但它干的事很实在：把任意非零浮点数 x 拆成一个规范化的尾数 m（满足 0.5 ≤ |m| < 1.0）和一个整数指数 e，使得 x == m × 2^e。注意，这个 m 是 二进制意义下的规范化尾数，不是十进制科学计数法里的 1.xxxx——这点常被初学者误读。

举个例子：
frexp(12.5, &e) 返回 0.78125，e 被设为 4，因为 0.78125 × 2⁴ = 12.5。
再试 frexp(-3.0, &e)：返回 -0.75，e = 2，验证一下：-0.75 × 4 = -3.0。
关键来了：frexp 对负数保持符号，但尾数绝对值仍在 [0.5, 1) 区间内——它不强制尾数为正，这点比某些手写逻辑更干净。

那 0 怎么办？标准明确：若 x 为 0，frexp 返回 0.0，*exp 设为 0。别试图从返回值反推指数——这是唯一例外，必须单独判断。
同样要留心：NaN 和无穷大会按 IEEE 754 传播，返回值未定义（实际编译器通常返回原值，*exp 不变），使用前务必用 std::isnan/std::isinf 防御。

真正容易踩坑的，是 frexp 和 ldexp 的配对使用。很多人以为 frexp 拆完，再 ldexp(m, e) 就能完美复原——理论上成立，但实操中常忽略浮点表示的有限精度。例如：

double x = 1e15 + 1.0; // 在 double 中，+1.0 可能被吞掉
int e;
double m = frexp(x, &e); // 得到的是 x 的实际存储值的分解
double y = ldexp(m, e);  // y == x 在数学上成立，但若 x 本就因精度丢失失真，y 只是忠实地复现了那个失真

所以 frexp 的价值，从来不在“无损还原”，而在于暴露浮点数在内存中的真实结构。它告诉你：这个数在二进制里，到底占了几位有效数字，指数偏移多少——这正是做数值稳定性分析、自适应缩放、或跨平台浮点一致性校验的底层依据。

一个实用技巧：想快速判断一个 double 是否“足够接近”某个 2 的整数次幂？别用 abs(x - pow(2,e)) < eps，误差大还慢。试试：

int e;
double m = frexp(fabs(x), &e);
if (fabs(m - 1.0) < 1e-15) { /* x 几乎就是 ±2^e */ }

这里用 m 直接比，绕开了 pow 的计算误差和类型转换抖动，也规避了大数时 pow(2,e) 自身可能溢出的问题。

还有一个少有人提的细节：frexp 的尾数 m 是 double 类型，但它只携带约 53 位有效二进制位——和原始 x 的精度一致。这意味着，如果你拿 frexp 分解一个 float，再把 m 强转成 float 存储，会丢精度；但若全程用 double 处理，就保留了全部信息。类型匹配不是可选项，是精度守门员。

最后说个真实调试故事：有次同事发现一组物理仿真数据在不同机器上微小发散，排查半天，发现是某处手动用 log2 算缩放因子，而 log2(8.0) 在某些旧 libc 上返回 3.0000000000000004，导致后续 floor 错判。换成 frexp(x, &e) 后，e 是确定的整数，问题当场消失。
frexp 返回的 e 是整数，且严格等于 IEEE 754 规格化数的指数字段值（偏移后）——它不经过浮点运算，没有舍入污染。

总结一句：frexp 不是教科书里的摆设函数。当你需要穿透浮点数的表象，直抵它在硬件里的呼吸节奏时，它给你的不是一个近似答案，而是一份精准的“内存体检报告”。下次看到浮点异常，先别急着调 epsilon，试试把它 frexp 一下——也许真相，就藏在那个整数 e 和那个介于 0.5 到 1.0 之间的 m 里。