console.log(0.07*100); // 7.000000000000001
console.log(0.1+0.2); // 0.30000000000000004
console.log(parseFloat(0.1).toFixed(4)+parseFloat(0.2).toFixed(4)); // 0.3000
或者
//定义一个加法函数
function add(){ var args = arguments,//获取所有的参数 lens = args.length,//获取参数的长度 d = 0,//定义小数位的初始长度,默认为整数,即小数位为0 sum = 0,//定义sum来接收所有数据的和 //循环所有的参数 for(var key in args){//遍历所有的参数 //把数字转为字符串 var str = ""+args[key]; if(str.indexOf(".")!=-1){//判断数字是否为小数 //获取小数位的长度 var temp = str.split(".")[1].length; //比较此数的小数位与原小数位的长度,取小数位较长的存储到d中 d = d < temp ? temp : d; } } //计算需要乘的数值 var m = Math.pow(10,d); //遍历所有参数并相加 for(var key in args){ sum += args[key]*m; } //返回结果 return sum/m; } console.log(add(0.1,0.2));//0.3 console.log(add(0.1,0.7));//0.8
综上所述:可以得到我们预期的结果。
思路总结:
1.遍历所有相加的数的最大小数位
2.所有数乘以10的最大小数位次幂,把小数变成整数,再相加
3.所得数的总和再除以10的最大小数位次幂,得出最终结果。
方法出自 https://blog.csdn.net/gphp0071201/article/details/78971494
或者
accAdd(arg1,arg2){
var r1,r2,m;
try{
r1=arg1.toString().split(".")[1].length
}catch(e){
r1=0
}
try{
r2=arg2.toString().split(".")[1].length
}catch(e){
r2=0
}
m=Math.pow(10,Math.max(r1,r2))
return (arg1*m+arg2*m)/m
} ,
二、JS 数字丢失精度的原因
计算机的二进制实现和位数限制有些数无法有限表示。就像一些无理数不能有限表示,如 圆周率 3.1415926...,1.3333... 等。JS 遵循 IEEE 754 规范,采用双精度存储(double precision),占用 64 bit。如图
意义
- 1位用来表示符号位
- 11位用来表示指数
- 52位表示尾数
浮点数,比如
1 2 |
|
此时只能模仿十进制进行四舍五入了,但是二进制只有 0 和 1 两个,于是变为 0 舍 1 入。这即是计算机中部分浮点数运算时出现误差,丢失精度的根本原因。
大整数的精度丢失和浮点数本质上是一样的,尾数位最大是 52 位,因此 JS 中能精准表示的最大整数是 Math.pow(2, 53),十进制即 9007199254740992。
大于 9007199254740992 的可能会丢失精度
1 2 3 |
|
实际上
1 2 3 4 |
|
结果如图
以上,可以知道看似有穷的数字, 在计算机的二进制表示里却是无穷的,由于存储位数限制因此存在“舍去”,精度丢失就发生了。
想了解更深入的分析可以看这篇论文(又长又臭):What Every Computer Scientist Should Know About Floating-Point Arithmetic
三、解决方案
对于整数,前端出现问题的几率可能比较低,毕竟很少有业务需要需要用到超大整数,只要运算结果不超过 Math.pow(2, 53) 就不会丢失精度。
对于小数,前端出现问题的几率还是很多的,尤其在一些电商网站涉及到金额等数据。解决方式:把小数放到位整数(乘倍数),再缩小回原来倍数(除倍数)
1 2 |
|
以下是我写了一个对象,对小数的加减乘除运算丢失精度做了屏蔽。当然转换后的整数依然不能超过 9007199254740992。