浮点数在计算机中的存储和解析通常采用IEEE 754标准。该标准定义了浮点数的二进制表示和计算规则。以下是浮点数的存储和解析过程的简要说明：

1. 符号位（Sign Bit）：浮点数的第一个位表示符号，0代表正数，1代表负数。

2. 指数位（Exponent）：接下来的一段位数表示指数部分，用于确定数值的量级。指数位采用偏移编码表示，即将真实指数值加上一个偏移量来表示。例如，8位指数位的偏移量为127，那么指数位00000000表示的真实指数值为-127，指数位11111111表示的真实指数值为128。

3. 尾数位（Mantissa）：剩下的位数表示尾数部分，用于表示浮点数的精度和小数部分。尾数位采用二进制小数的形式。

通过以上三部分的组合，就可以构成一个完整的浮点数表示。

例如，假设有一个32位的单精度浮点数，其中1位表示符号位，8位表示指数位，23位表示尾数位。数值的范围和精度取决于指数位和尾数位的位数。

为了将浮点数存储为二进制形式，可以按照以下步骤进行：

1. 确定符号位：根据数字的正负性确定符号位为0或1。
2. 确定指数位：将数字的指数部分转换为二进制形式，并进行偏移编码。
3. 确定尾数位：将数字的尾数部分转换为二进制小数形式。
4. 组合三部分：将符号位、指数位和尾数位按照一定的顺序组合成32位的二进制数。

解析浮点数的过程与存储相反：

1. 获取符号位：解析二进制数的第一位来确定数字的正负性。

2. 获取指数位：解析接下来的一段位数，还原为真实的指数值。需要减去偏移量，得到实际的指数值。

3. 获取尾数位：解析剩下的位数，转换为真实的尾数值。

4. 将符号、指数和尾数组合起来，得到浮点数的数值。

浮点数的存储和解析是计算机中进行浮点数运算的基础。在实际编程中，可以使用编程语言提供的浮点数类型和相关函数来进行浮点数的存储和解析操作，而无需手动处理二进制位数。