摘要：本文通过介绍的二进制存储标准来理解浮点数运算精度问题，和理解对象的等属性值是如何取值的，最后介绍了一些常用的浮点数精度运算解决方案。浮点数精度运算解决方案关于浮点数运算精度丢失的问题，不同场景可以有不同的解决方案。
本文由云+社区发表
相信大家在平常的 JavaScript 开发中，都有遇到过浮点数运算精度误差的问题，比如 console.log(0.1+0.2===0.3)// false。在 JavaScript 中，所有的数字包括整数和小数都是用 Number 类型来表示的。本文通过介绍 Number 的二进制存储标准来理解浮点数运算精度问题，和理解 Number 对象的 MAX_VALUE 等属性值是如何取值的，最后介绍了一些常用的浮点数精度运算解决方案。
Number 的存储标准JavaScript Number 采用的是 IEEE 754 定义的 64 位双精度浮点型来表示。具体的字节分配可以先看一下引自维基百科的图：
从上图中可以看到，从高到低，64位被分成3段，分别是:
sign: 符号位，占 1 位；
exponent: 指数位，占 11 位；
fraction: 有效数字位，占 52 位。
指数位有 11 位，取值范围是 0 到 2047。当指数位 e=0 或者 e=2017 时，根据有效数字位 f 是否为 0 ，具有不同的特殊含义，具体见下表：
对于常用的 normal number, 为了方便表示指数为负数的情况，所以，指数位数值大小做了一个 -1023 的偏移量。对于一个非 0 数字而言，,它的二进制的科学计数法里的第一位有效数字固定是 1。这样，一个双精度浮点型数字的值就是
对于 subnormal number,它可以用来表示更加接近于 0 的数，它特殊的地方是有效数字位的前面补充的是 0 而不是 1，且指数为偏移量是 -1022，所以值是：
Number 对象中的几个属性值知道了 Number 是如何存储之后，Number 对象的属性是如何取值的就明朗了。
Number.MAX_VALUE：可表示的最大的数，显然 e 和 f 都取最大时能表示的数最大，值为
Number.MIN_VALUE：可表示的最小的正数，用最小的 subnormal number 来表示。当 e = 0 ,f 的最后一位为 1，其他为 0 时最小，值为
Number.EPSILON : 表示 1 与 Number 可表示的大于 1 的最小的浮点数之间的差值。值为
Number.MAXSAFEINTEGER：表示在 JavaScript 中最大的安全整数。可以连续且精确被表示出来的整数成为安全整数，比如 2^54 就不是个安全整数，因为它和 2^54+1 两个数的表示是完全一样的，e=1077,f=0。 Math.pow(2,54)===Math.pow(2,54)+1// true。整数转化为二进制后，小数点后是不会有数字的，而用二进制的科学计数法表示时，小数点后最多保留 52 位，加上前置的一个 1，有 53 位数字，所以当一个数转化二进制时，如果位数超过 53 位，必然会截断末尾的部分，即导致不能精确表示，即为不安全整数。所以最小的会被截断的整数是 100...001=2^53+1（中间有52个0）。这个数设为 X，则比 X 小的整数都能被精确表示出来，再加上“连续”这个条件，所以 X-1 不是我们要的答案，X-2 才是。 Number.MAX_SAFE_INTEGER 最终值为
Number.MINSAFEINTEGER：表示在 JavaScript 中最小的安全整数，对 Number.MAX_SAFE_INTEGER 取负值即可，值为 -9007199254740991
为什么0.1+0.2不等于0.3现在看看 console.log(0.1+0.2===0.3)// false 这个问题，数字 0.1 转化成二进制是 0.0001100110011... 即 1.10011001...1001 2^-4 （小数部分有52位，即有13个1001循环）。由于第 53 位是 1，类似 10 进制的四舍五入，二进制是“零舍一入”，所以 0.1 的最终二进制科学计数法表示是 1.10011001...1010 2^-4，即二进制数值大小实际上是 0.000110011001...10011010。下面的代码验证了这个值（打印出来的值，把最末尾的0去掉了）：
var a = 0.1;console.log(a.toString(2)); //0.0001100110011001100110011001100110011001100110011001101
同理十进制数字 0.2 转化为二进制的最终值是 1.10011001...1010 2^-3 即 0.00110011...100111010；十进制 0.3 转化位二进制的最终值是 1.00110011...0011 2^-2
var b = 0.2;console.log(b.toString(2)); //0.001100110011001100110011001100110011001100110011001101var c = 0.3;console.log(c.toString(2)); //0.010011001100110011001100110011001100110011001100110011
所以，0.1+0.2 的值即为上面 0.1 和 0.2 对应的二进制数值的相加，如下图所示
上图中，对所得的和，“零舍一入”保留 52 位有效小数就是最终的值：0.01001100...110100（第 53 位是 1 ，所以往前进了 1），如下代码所示。这个值与上文中的 0.3 的最终二进制表示的值明显不相同，即解释了 0.1 + 0.2 不等于 0.3 的根本原因所在（实际上，这个值转化为 10 进制约等于 0.30000000000000004）。注：打印出来的长度是 54，因为有 52 位有效小数，前面是"0.01",长度是 4，最后去掉末尾的 2 个 0，所以最后打印出来的长度是 52+4-2 = 54。
var d = 0.1 + 0.2;console.log(d.toString(2)); //0.0100110011001100110011001100110011001100110011001101console.log(d.toString(2).length); // 54浮点数精度运算解决方案
关于 js 浮点数运算精度丢失的问题，不同场景可以有不同的解决方案。 1、如果只是用来展示一个浮点数的结果，则可以借用 Number 对象的 toFixed 和 parseFloat 方法。下面代码片段中，fixed 参数表示要保留几位小数，可以根据实际场景调整精度。
function formatNum(num, fixed = 10) { return parseFloat(a.toFixed(fixed))}var a = 0.1 + 0.2;console.log(formatNum(a)); //0.3
2、如果需要进行浮点数的加减乘除等运算，由上文可知，在小于 Number.MAXSAFEINTEGER 范围的整数是可以被精确表示出来的，所以可以先把小数转化为整数，运算得到结果后再转化为对应的小数。比如两个浮点数的加法：
function add(num1, num2) { var decimalLen1 = (num1.toString().split(".")[1] || "").length; //第一个参数的小数个数 var decimalLen2 = (num2.toString().split(".")[1] || "").length; //第二个参数的小数个数 var baseNum = Math.pow(10, Math.max(decimalLen1, decimalLen2)); return (num1 * baseNum + num2 * baseNum) / baseNum;}console.log(add(0.1 , 0.2)); //0.3
参考资料
https://en.wikipedia.org/wiki...
https://en.wikipedia.org/wiki...
https://en.wikipedia.org/wiki...
https://en.wikipedia.org/wiki...
此文已由作者授权腾讯云+社区发布
文章版权归作者所有，未经允许请勿转载,若此文章存在违规行为，您可以联系管理员删除。
转载请注明本文地址：https://www.ucloud.cn/yun/108833.html
摘要：也就是说不仅是会产生这种问题，只要是采用的浮点数编码方式来表示浮点数时，则会产生这类问题。到这里我们都理解只要采取的浮点数编码的语言均会出现上述问题，只是它们的标准类库已经为我们提供了解决方案而已。 Brief 一天有个朋友问我JS中计算0.7 * 180怎么会等于125.99999999998，坑也太多了吧！那时我猜测是二进制表示数值时发生round-off error所导致，但并不...
摘要：表示正数，表示负数。是一个无符号整数，因为长度是位，取值范围是。浮点数具体数值的实际表示。例如对于单精度浮点数，指数部分实际最小值是，对应的尾数部分从一直到，相邻两小浮点数之间的距离都是而与最近的浮点数即最小的非规约数也是。 二进制表示小数 例如用二进制表示 0.8125 0.8125 0.8125*2 = 1.625 取整为 1 0.625*2=1.25 取整为 1 0.25*2=0...
摘要：推导为何等于在中所有数值都以标准的双精度浮点数进行存储的。先来了解下标准下的双精度浮点数。精度位总共是，因为用科学计数法表示，所以首位固定的就没有占用空间。验证完成的最大安全数是如何来的根据双精度浮点数的构成，精度位数是。 阅读完本文可以了解到 0.1 + 0.2 为什么等于 0.30000000000000004 以及 JavaScript 中最大安全数是如何来的。 十进制小数转为二...
摘要：而的浮点数设置的偏移值是，因为指数域表现为一个非负数，位，所以，实际的，所以。这是因为它们在转为二进制时要舍入部分的不同可能造成的不同舍 IEEE 754 表示：你尽管抓狂、骂娘，但你能完全避开我，算我输。 一、IEEE-754浮点数捅出的那些娄子 首先我们还是来看几个简单的问题，能说出每一个问题的细节的话就可以跳过了，而如果只能泛泛说一句因为IEEE754浮点数精度问题，那么下文还是...
阅读 2549·2021-11-22 09:34
阅读 899·2021-11-19 11:34
阅读 2775·2021-10-14 09:42
阅读 1393·2021-09-22 15:27
阅读 2332·2021-09-07 09:59
阅读 1707·2021-08-27 13:13
阅读 3413·2019-08-30 11:21
阅读 748·2019-08-29 18:35
