东莞高端网站设计西安关键词seo
我们首先要了解的事，JavaScript 中的数字按照 IEEE 754 的标准，使用 64 位双精度浮点型来表示。其中符号位 S，指数位 E，尾数位M分别占了 1，11，52 位，并且在ES5规范中指出了指数位E的取值范围是 [-1074, 971]。
我们如果想用有限的位来表示无穷的数字，显然是不可能的，因此会出现一些列精度问题，如下：
- 浮点数精度问题，比如
0.1 + 0.2 !== 0.3 - 大数精度问题，比如
9999 9999 9999 9999 == 1000 0000 0000 0000 1 - toFixed 四舍五入结果不准确，比如
1.335.toFixed(2) == 1.33
浮点数精度和 toFixed 其实属于同一类问题，都是由于浮点数无法精确表示引起的，如下：
(1.335).toPrecision(20); // "1.3349999999999999645"而关于大数精度问题，我们可以先看下面这个代码片段：
// 能精确表示的整数范围上限,S为1个0，E为11个0，S为53个1
Math.pow(2, 53) - 1 === Number.MAX_SAFE_INTEGER // true
// 能精确表示的整数范围下限,S为1个1，E为11个0，S为53个1
-(Math.pow(2, 53) - 1) === Number.MIN_SAFE_INTEGER // true
// 能表示的最大数字，S为1个0，E为971，S为53个1
(Math.pow(2, 53) - 1) * Math.pow(2, 971) === Number.MAX_VALUE // true
// 能表示的最接近于0的正数，S为1个0，E为-1074，S为0
Math.pow(2, -1074) === Number.MIN_VALUE // true通过以上可以明白，[MIN_SAFE_INTEGER, MAX_SAFE_INTEGER] 的整数都可以精确表示，但是超出这个范围的整数就不一定能精确表示。这样就会产生所谓的大数精度丢失问题。
问题到这里已经罗列出来了，那我们咋滴搞一哈子嘞。
首先考虑的是如何解决浮点数运算的精度问题，有 3 种思路：
- 考虑到每次浮点数运算的偏差非常小(其实不然)，可以对结果进行指定精度的四舍五入，比如可以
parseFloat(result.toFixed(12)); - 将浮点数转为整数运算，再对结果做除法。比如0.1 + 0.2，可以转化为
(1*2)/3。 - 把浮点数转化为字符串，模拟实际运算的过程。
我们先来看第一种方案，在大多数情况下，它可以得到正确结果，但是对一些极端情况，toFixed 到 12 是不够的，比如：
210000 * 10000 * 1000 * 8.2 // 17219999999999.998
parseFloat(17219999999999.998.toFixed(12)); // 17219999999999.998，而正确结果为 17220000000000上面的情况，如果想让结果正确，需要 toFixed(2)，这显然是不可接受的。
再看第二种方案，比如number-precision这个库就是使用的这种方案，但是这也是有问题的，比如：
// 这两个浮点数，转化为整数之后，相乘的结果已经超过了 MAX_SAFE_INTEGER
123456.789 * 123456.789 // 转化为 (123456789 * 123456789)/1000000，结果是 15241578750.19052这个number-precision库的下载地址在这里：https://github.com/nefe/number-precision
综上所述嘞，我们最终考虑使用第三种方案，目前已经有了很多较为成熟的库，比如 bignumber.js，decimal.js，以及big.js等。我们可以根据自己的需求来选择对应的工具。并且，这些库不仅解决了浮点数的运算精度问题，还支持了大数运算，并且修复了原生toFixed结果不准确的问题。
所以嘞，我们来总结性的看下，产生浮点数计算精度不准确的原因： 在计算机角度，计算机算的是二进制，而不是十进制。二进制后变成了无线不循环的数，而计算机可支持浮点数的小数部分可支持到52位，所有两者相加，在转换成十进制，得到的数就不准确了，加减乘除运算原理一样。
咱这里罗列出三个网上找的方案大家可以参考下：
1、通过 toFixed(num) 方法来保留小数。因为这个方法是根据四舍五入来保留小数的，所以最后的计算结果不精确：
(1.0-0.9).toFixed(digits) // toFixed() 精度参数须在 0 与20 之间(digits是精确的小数点后的位数)
parseFloat((1.0-0.9).toFixed(10)) === 0.1 // 结果为True
parseFloat((1.0-0.8).toFixed(10)) === 0.2 // 结果为True
parseFloat((1.0-0.7).toFixed(10)) === 0.3 // 结果为True
parseFloat((11.0-11.8).toFixed(10)) === -0.8 // 结果为True
parseFloat((2.22 + 0.1).toFixed(10)) ===2.23 //结果为True 2、把要计算的数字升级（乘以10的n次幂）成计算机能够精确识别的整数，计算完以后再降级。
3、Math.floor( xxx * 10 ) / 10 // 精确到小数点后一位：
1.11*10
11.100000000000001 //精度不准确
Math.floor(1.11*10)/10 // 精确到小数点后一位
1.1 好啦，本次记录就到这里了。
如果感觉不错的话，请多多点赞支持哦。。。