点击上方蓝字关注我们
小编提示： 译文由阿里巴巴企业金融事业部-虚痕同学提供，建议收藏阅读，更好了解js计算不精准的文同哦
在javascript内部，数字只有一种类型number, 遵循 IEEE-754 规范 属于双精度浮点数，采用二进制格式，占用 64 位存储空间存储。
符号位S：第 1 位是正负数符号位(sign)，0代表正数，1代表负数
指数位E：中间的 11 位存储指数(exponent)，用来表示次方数
尾数位M：最后的 52 位是尾数(mantissa)，超出的部分自动进一舍零
如果一个数字太大，超出了64 位存储，可能导致无穷大：
alert( 1e500 ); // Infinity这个例子可能不经常遇到，比较常见的是，精度的损失。
考虑下面的例子：
alert( 0.1 + 0.2 == 0.3 ); // false如果我们检查 0.1 和 0.2 的总和是否为 0.3，我们会得到 false。
奇了怪了！如果不是 0.3，那能是啥？
alert( 0.1 + 0.2 ); // 0.30000000000000004哎哟！这个错误匪夷所思。想象一下，你在购物网站下单了 ¥ 0.10 和 ¥ 0.20 的商品放入购物车。订单总额将是 ¥ 0.30000000000000004。你可能会被这样的订单总额吓到。
为什么会这样呢？
一个数字以二进制的形式存储在内存中，是一个只有 1 和 0 的序列。在十进制数字系统中虽然看起来很简单，但0.1，0.2 这样的小数，实际上在二进制形式中是无限循环小数。
换句话说，什么是 0.1？0.1 就是 1 除以 10，1/10，即十分之一。在十进制数字系统中，这样的数字表示起来很容易。将其与三分之一进行比较：1/3。三分之一变成了无限循环小数 0.33333(3)。
在十进制数字系统中，可以保证以 10 的整数次幂作为除数能够正常工作，但是以 3 作为除数则不能。也是同样的原因，在二进制数字系统中，可以保证以 2 的整数次幂作为除数时能够正常工作，但 1/10 就变成了一个无限循环的二进制小数。
使用二进制数字系统无法 精确 存储 0.1 或 0.2，就像没有办法将三分之一存储为十进制小数一样。
IEEE-754 数字格式通过将数字舍入到最接近的可能数字来解决此问题。这些舍入规则通常不允许我们看到“极小的精度损失”，但是它确实存在。
我们可以看到：
alert( 0.1.toFixed(20) ); // 0.10000000000000000555当我们对两个数字进行求和时，它们的“精度损失”会叠加起来。
这就是为什么 0.1 + 0.2 不等于 0.3。
我们能解决这个问题吗？当然，最可靠的方法是借助方法 toFixed(n) 对结果进行舍入：
let sum = 0.1 + 0.2;alert( sum.toFixed(2) ); // 0.30请注意，toFixed 总是返回一个字符串。它确保小数点后有 2 位数字。如果我们有一个网购网站，并需要显示 ¥ 0.30，这其实很方便。对于其他情况，我们可以使用一元加号将其强制转换为一个数字：
let sum = 0.1 + 0.2;alert( +sum.toFixed(2) ); // 0.3我们可以将数字临时乘以 100(或更大的数字)，将其转换为整数，进行数学运算，然后再除回。当我们使用整数进行数学运算时，误差会有所减少，但仍然可以在除法中得到：
alert( (0.1 * 10 + 0.2 * 10) / 10 ); // 0.3alert( (0.28 * 100 + 0.14 * 100) / 100); // 0.4200000000000001因此，乘/除法可以减少误差，但不能完全消除误差。
其实业内已经有相对成熟的组件库可以解决这个问题，这里给大家推荐
0.1 + 0.2 // 0.30000000000000004x = new BigNumber(0.1)y = x.plus(0.2) // '0.3'BigNumber(0.7).plus(x).plus(y) // '1'x.plus('0.1', 8) // '0.225'本文译至
/number
写在最后
方凳雅集是由阿里巴巴B系6大BU(1688，ICBU，零售通，AE，企业金融，考拉)共同维护的公众号奥，我们会定期发送优质好文，欢迎扫码关注
求关注
求转发
