前言
欢迎关注同名公众号《熊的猫》，文章会同步更新，也可快速加入前端交流群！相信各位前端小伙伴在日常工作中不免会涉及到使用 JavaScript 处理 数值 相关的操作，例如 数值计算、保留指定小数位、接口返回数值过大 等等，这些操作都有可能导致原本正常的数值在 JavaScript 中确表现得异常（即 精度丢失），这也是被很多开发者诟病的一点（你该不会还没踩过坑吧！不止一次的被问到这个问题
本文主要包含 精度丢失场景、精度丢失原因、解决方案 等方面的内容，文中若有不正确的地方欢迎在评论区分享你的见解。
精度丢失场景
浮点数的计算
数值计算在前端的应用还不算少，但涉及 浮点数 参与计算时可能会出现精度丢失，如下：
加（ + ）
- 正常计算：0.1 + 0.2 = 0.3
JavaScript计算：0.1 + 0.2 = 0.30000000000000004
减（ - ）
- 正常计算：1 - 0.9 = 0.1
JavaScript计算：1 - 0.9 = 0.09999999999999998
乘（ * ）
- 正常计算：0.0532 * 100 = 5.32
JavaScript计算：0.0532 * 100 = 5.319999999999999
除（ / ）
- 正常计算：0.3 / 6 = 0.05
JavaScript计算：0.3 / 6 = 0.049999999999999996超过最值
所谓 超过最值（
最大、最小值） 指的是超过了Number.MIN_SAFE_INTEGER（- 9007199254740991），即 +（2^53 – 1） 或Number.MAX_SAFE_INTEGER（+ 9007199254740991），即 -（2^53 – 1） 范围的值，项目中最常见的就是如下几种情况：后端返回的数值超过最值
- 例一，后端返回的列表数据，通常都会有相应的
ID来标识唯一性，但后端字啊生成这个ID时是 Long 类型，那么该值很可能就会超过JavaScript中能表示的最大正整数，此时就导致精度丢失，即前端实际获取到的ID值和后端返回的将不一致 - 例二，后端可能需要将一些值通过计算之后，把对应的结果值返回给前端，此时若该值超过了 最值，那么也会产生精度丢失
- 例一，后端返回的列表数据，通常都会有相应的
前端进行数值计算时，计算结果超过最值
保留指定小数位
除了上述对涉及浮点数计算、超过最值的场景之外，我们通常还会对数值进行保留指定小数位的处理，而部分开发者可能会直接使用 Number.prototype.toFixed 来实现，但这个方法却并不能保证我们期望的效果，例如保留小数位时需要进行 四舍五入 时就会有问题，如下：
console.log(1.595.toFixed(2)) // 1.59 ——> 期望为：1.60
console.log(1.585.toFixed(2)) // 1.58 ——> 期望为：1.59
console.log(1.575.toFixed(2)) // 1.57 ——> 期望为：1.58
console.log(1.565.toFixed(2)) // 1.56 ——> 期望为：1.57
console.log(1.555.toFixed(2)) // 1.55 ——> 期望为：1.56
console.log(1.545.toFixed(2)) // 1.54 ——> 期望为：1.55
console.log(1.535.toFixed(2)) // 1.53 ——> 期望为：1.54
console.log(1.525.toFixed(2)) // 1.52 ——> 期望为：1.53
console.log(1.515.toFixed(2)) // 1.51 ——> 期望为：1.52
console.log(1.505.toFixed(2)) // 1.50 ——> 期望为：1.51精度丢失的原因
计算机内部实际上只能 存储/识别 二进制，因此 文档、图片、数字 等都会被转换为 二进制，而对于数字而言，虽然我们看到的是 十进制 的表示结果，但实际上会底层会进行 十进制 和 二进制 的相互转换，而这个转换过程就有可能会出现 精度丢失，因为十进制转二进制后可能产生 无限循环 部分，而 实际存储空间是有限的。
IEEE 754 标准
Javascript 中的数字存储使用了 IEEE 754 中规定的 双精度浮点数 数据类型，双精度浮点数使用 64 位（8 字节） 来存储一个 浮点数，可以表示二进位制的 53 位 有效数字，即 (0-52 位为 1) 111...111 = (53 位为 1，0-52 位为 0) 1000...000 - 1，也就是 2^53 - 1，而这也就是 JavaScript 中 Number.MAX_SAFE_INTEGER（+ 9007199254740991） 对应的值。
双精度浮点数的组成
双精度浮点数（double） 由如下几部分组成：
sign符号位，0 为正，1 为负- 占 1bit，在 63 位
exponent指数部分，表示 2 的几次方- 占 11bit，在 52-62 位
- 指数 采用 偏移码表示法，即将 指数的真实值
e加上一个 偏移量，然后得到 阶码（即计算结果）并将其表示为 二进制数 - 其中 偏移量 =
(2^n-1) - 1，n 是 指数的位数（即n = 11），因此偏移量为Math.pow(2, 11-1) - 1 = 1023 - 阶码
E= 指数真值e+ 偏移码(2^n-1) - 1
mantissa尾数部分，表示浮点数的精度- 占 52bit，在 0-51 位
- 尾数采用 隐式 的方式表示，即在尾数的 最高位上 总是隐含着一个 1，并且隐藏在 **小数
点的左边 (即 1 < 尾数 < 2)，因此尾数的有效位数为 53 位，而不是 52** 位
十进制浮点数的存储过程
有了上面的公式，接下来我们来演示一下一个十进制浮点数是如何以 双精度浮点数 的形式被存储到计算机中的，其大致分为如下两步：
十进制转二进制
- 分别对整数部分和小数部分的十进制转化为二进制
- 求出 sign、exponent、mantissa 的值
下面我们通过 263.3 这个数值来演示。
十进制转二进制
分别将 263.3 的 整数部分 263 和 小数部分 0.3 转为对应的 二进制数，这里你可以使用便捷的 在线转换工具，也可选择手动计算：
整数部分 转 二进制
- 一直 除以 2 直到余数为 0 或 出现循环，然后 从下往上 将每次的余数进行组合即可
小数部分 转 二进制
- 一直 乘以 2 直到乘积为 1 或 出现循环，然后 从上往下 将每次的乘积的 整数位 进行组合即可
最终得到的结果就是 263.3(10) 对应的 二进制 为 100000111.010011001...求出 sign、exponent、mantissa 的值
求 sign
- 其中 sign 为符号位，且 263.3(
10) 为正数，因此 sign = 0
- 其中 sign 为符号位，且 263.3(
求 exponent
- 根据公式 (-1)^S
x(1. M)x2^(E-1023) 可知，其中的 尾数 要符合 1. M 的形式，因此 100000111.010011001... 中小数点需要往左移动 8位 变成 1.00000111 010011001 ... - 其中的 8 就是 指数真值，但在实际存储时是存 阶码的二进制，根据公式 阶码 = 指数真值(8) + 偏移量(1023)，即 阶码 = 1031，所以 exponent 值就为 1031 的二进制：10000000111
- 根据公式 (-1)^S
求 mantissa
- 根据上一步的 1.00000111 010011001 ... 很容易知道尾数 mantissa = 00000111 010011001 ...
最终存储形式
Number.prototype.toFixed 的舍入
关于这个方法的舍入方式，目前最多的说法就是 银行家算法 ，的确在大多情况下确实能够符合 银行家算法 的规则，但是部分情况就并不符合其规则，因此严格意义上来讲 Number.prototype.toFixed 并不算是使用了 银行家算法，如果你要问为什么，请看 ECMAScript® 2024 Language Specification (tc39.es)，在下文都会提及。
银行家算法
所谓银行家算法用一句话概括为：
四舍六入五考虑，五后 有数 就进一，五后 无数 看 奇偶，五前 为偶当 舍去，五后 为奇要 进一
- 四舍 指保留位后的 数值 < 5 应
舍去，4 只是个代表值 - 六入 指保留位后的 数值 > 5 应
进一，6 只是个代表值 若保留位后的 数值 = 5，看 5 后 是否有数
若 5 后 无数，则看 5 前 的数值的 奇偶 来判断
- 若 5 前 的数值为 偶数，则 舍去
- 若 5 前 的数值为 奇数，则 进一
- 若 5 后 有数，则 进一
用例子来验证一下：
// 四舍
(1.1341).toFixed(2) = '1.13'
// 六入
(1.1361).toFixed(2) = '1.14'
// 五后 有数 ，进一
(1.1351).toFixed(2) = '1.14'
// 五后 无数，看奇偶，五前为 3 奇数，进一
(1.1350).toFixed(2) = '1.14'
// 五后 无数，看奇偶，五前为 0 偶数，舍去
(1.1050).toFixed(2) = '1.10'看起来没有问题是吧！
// 五后 有数，应进一
(1.1051).toFixed(2) = 1.11 （正确 √）
(1.105).toPrecision(17) = '1.1050000000000000' // 精度
// 五后 无数，看奇偶，五前为 0 偶数，应舍去
(1.105).toFixed(2) = 1.10 （正确 √）
// 五后 无数，看奇偶，五前为 2 偶数，应舍去
(1.125).toFixed(2) = 1.13 （不正确 ×）
1.125.toPrecision(17) = '1.1250000000000000' // 精度
// 五后 无数，看奇偶，五前为 4 偶数，应舍去
(1.145).toFixed(2) = 1.15 （不正确 ×）
1.145.toPrecision(17) = '1.1450000000000000' // 精度
// 五后 无数，看奇偶，五前为 6 偶数，应舍去
(1.165).toFixed(2) = 1.17 （不正确 ×）
1.165.toPrecision(17) = '1.1650000000000000' // 精度
// 五后 无数，看奇偶，五前为 8 偶数，应舍去
(1.185).toFixed(2) = 1.19 （不正确 ×）
1.185.toPrecision(17) = '1.1850000000000001' // 精度ECMAScript 定义的 toFixed 标准
一眼望上去是不是觉得看不懂，那么这里就来尝试解释一下这个标准的内容吧（掺杂个人理解
- 让 x = 目标数字，如：
(1.145).toFixed(2)中x = 1.145 - 让 f = 参数，如：
(1.145).toFixed(2)中f = 2 - 若 f =
undefined，即 未传参，则将 f = 0 - 若 f =
Infinite，即传入了 无穷值，则抛出 RangeError 异常 - 若 f <
0或 f >100，即传入了不在0 - 100之间的值，则抛出 RangeError 异常 若 x =
Infinite，即想要对 非准确值 保留位操作，则返回其 字符串形式- 例如，
Infinity.toFixed(2) = 'Infinity'、NaN.toFixed(2) = 'NaN'
- 例如，
让 x = 计算机所能表示的数学值 ℝ(x)
- 从 数字 或 BigInt x 到 数学值 的转换表示为
x 的数学值，或ℝ（x）
- 从 数字 或 BigInt x 到 数学值 的转换表示为
- 让 返回值符号 s = ''，即为符号定义 初始值
- 若 x <
0，则将 s ='-'，并将 x =-x 若 x ≥
10^21，则 返回值 m =x对应的科学计数法表示的字符串若 x <
10^21，则a. 让 n =
一个整数，其中n / 10^f - x尽可能接近于0，如果有两个这样的 n，选择 较大的 nb. 若 n =
整数 0，则 m ="0"，否则，m = 由n的十进制表示形式的数字组成的字符串值（按顺序，不带前导零）c. 若 指数 f ≠
0，则 k =m.length若 k ≤ f，则
- z = 由代码单元
0x0030（DIGIT ZERO）的f+1-k次出现组成的字符串 - m =
z + m - k =
f + 1
- z = 由代码单元
- 让 a =
m的第一个k-f码单元 - 让 b =
m的其它f个编码单元 - 将 m =
a + "." + b
- 返回 s + m 组成的字符串
看不懂？那就挑懂的地方看
不多说了，还是用 (1.125).toFixed(2) = 1.13 举个栗子吧！
- 根据上述规范初始 x = 1.125，f = 2，s = ''
- 根据规范 7 可知 x =
1.125.toPrecision(53)= 1.125
根据规范 11.a 提供的公式：
n / 10^f - x ≈ 0代入计算：n ≈ 112.5：- 此时最接近
n的 整数 有 两个 值为110和112，按标准取最大的113 - 在按 11.c 的规范得到
m = 1.13
- 此时最接近
- 最终返回
s + m= 1.13
还不会，再来个 (-1.105).toFixed(2) = -1.10 的栗子吧！
- 根据上述规范初始 x = 1.105，f = 2，s = '-'
- 根据规范 7 可知 x =
(-1.105).toPrecision(53)= 1.10499...
根据规范 11.a 提供的公式：
n / 10^f - x ≈ 0代入计算：n ≈ 110.4...：- 此时最接近
n的 整数 只有 一个 值为110（因为只有小数点后为 5 时，向上 / 向下 取整才会有两种情况） - 在按 11.c 的规范得到
m = 1.10
- 此时最接近
- 最终返回
s + m= -1.13
如何解决前端数值的精度问题？
虽然知道了 精度丢失 的原因，也知道了 toFixed 舍入 的逻辑，但是实际上在进行计算时，我们还是希望按照实际看到的数值来进行计算或舍入，而不是底层转换过的值。
使用第三方库
需要的自行查阅：
思路扩展
浮点数计算
浮点数在 JavaScript 中经底层转换后可能会有精度丢失，但是 安全范围内的整数 却不会丢失，那么我们就可以先将 浮点数 转成 整数 进行计算后，再将计算结果成为浮点数。
以 0.1 + 0.2 = 0.30000000000000004 举个例子，如下：
- 原式：0.1 + 0.2 = x
- 扩大
10倍：0.1 10 + 0.2 10 = 10 * x - 变式：10 * x = 3
- 结果：x = 0.3
超过最值
前面提到的 后端返回 或 前端计算 产生的超过 安全范围的值，我们可以使用 BigInt 来处理，这是新增的原始值类型，它提供了一种方法来表示 大于 2^53 - 1 的整数。
【注意】这里的 BigInt 可不能用来处理后端返回超过安全范围内的值（如 id），因为当我们需要再将这些值转为 BigInt 之前就已经发生了精度丢失，所以在进行转换是无意义的，此时最好的方式就是接口以 字符串 的形式返回对应的值保留指定小数位
既然 Number.prototype.toFixed() 的舍入方法并不是我们需要的，那么我们可以直接将其重写成符合的即可，例如：
Number.prototype.toFixed=function (d) {
var s=this+"";
if(!d)d=0;
if(s.indexOf(".")==-1)s+=".";
s+=new Array(d+1).join("0");
if(new RegExp("^(-|\\+)?(\\d+(\\.\\d{0,"+(d+1)+"})?)\\d*$").test(s)){
var s="0"+RegExp.$2,pm=RegExp.$1,a=RegExp.$3.length,b=true;
if(a==d+2){
a=s.match(/\d/g);
if(parseInt(a[a.length-1])>4){
for(var i=a.length-2;i>=0;i--){
a[i]=parseInt(a[i])+1;
if(a[i]==10){
a[i]=0;
b=i!=1;
}else break;
}
}
s=a.join("").replace(new RegExp("(\\d+)(\\d{"+d+"})\\d$"),"$1.$2");
}if(b)s=s.substr(1);
return (pm+s).replace(/\.$/,"");
}return this+"";
}最后
欢迎关注同名公众号《熊的猫》，文章会同步更新，也可快速加入前端交流群！以上就是本文的全部内容了，由于涉及到部分 计网 相关内容，所以可能理解起来会比较吃力，但是跨过这道坎也就没那么难理解了。
希望本文对你有所帮助！！！
chrome
**粗体** _斜体_ [链接](http://example.com) `代码` - 列表 > 引用。你还可以使用@来通知其他用户。