在大多数编程语言中,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]。
精度问题汇总
想用有限的位来表示无穷的数字,显然是不可能的,因此会出现一系列精度问题:
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
四舍五入结果不准确,比如
1.335.toFixed(2) == 1.33
浮点数精度和 四舍五入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”
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。二进制小数点后面变成了无限不循环的数,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。
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。
解决思路
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。
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
所以,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。