
眾所周知,JavaScript 浮點數運算時經常遇到會 0.000000001 和 0.999999999 這樣奇怪的結果,如 0.1+0.2=0.30000000000000004、1-0.9=0.09999999999999998,很多人知道這是浮點數誤差問題,但具體就說不清楚了,本文幫你理清這背后的原理以及解決方案,還會向你解釋JS中的大數危機和四則運算中會遇到的坑,
浮點數的存盤
首先要搞清楚 JavaScript 如何存盤小數,和其它語言如 Java 和 Python 不同,JavaScript 中所有數字包括整數和小數都只有一種型別 — Number,它的實作遵循 IEEE 754 標準,使用 64 位固定長度來表示,也就是標準的 double 雙精度浮點數(相關的還有float 32位單精度),計算機組成原理中有過詳細介紹,如果你不記得也沒關系,
這樣的存盤結構優點是可以歸一化處理整數和小數,節省存盤空間,
64位位元又可分為三個部分:
- 符號位S:第 1 位是正負數符號位(sign),0代表正數,1代表負數
- 指數位E:中間的 11 位存盤指數(exponent),用來表示次方數
- 尾數位M:最后的 52 位是尾數(mantissa),超出的部分自動進一舍零

實際數字就可以用以下公式來計算:
$ V = (-1)^{S}\times M \times 2^{E} $
注意以上的公式遵循科學計數法的規范,在十進制是為0<M<10,到二進行就是0<M<2,也就是說整數部分只能是1,所以可以被舍去,只保留后面的小數部分,如 4.5 轉換成二進制就是 100.1,科學計數法表示是 1.001*2^2,舍去1后 M = 001,E是一個無符號整數,因為長度是11位,取值范圍是 0~2047,但是科學計數法中的指數是可以為負數的,所以再減去一個中間數 1023,[0,1022]表示為負,[1024,2047] 表示為正,如4.5 的指數E = 1025,尾數M為 001,
最終的公式變成:
$ V = (-1)^{S}\times (M+1) \times 2^{E-1023} $
所以 4.5 最終表示為(M=001、E=1025):

下面再以 0.1 例解釋浮點誤差的原因, 0.1 轉成二進制表示為 0.0001100110011001100(1100回圈),1.100110011001100x2^-4,所以 E=-4+1023=1019;M 舍去首位的1,得到 100110011...,最終就是:

轉化成十進制后為 0.100000000000000005551115123126,因此就出現了浮點誤差,
為什么 0.1+0.2=0.30000000000000004?
計算步驟為:
// 0.1 和 0.2 都轉化成二進制后再進行運算
0.00011001100110011001100110011001100110011001100110011010 +
0.0011001100110011001100110011001100110011001100110011010 =
0.0100110011001100110011001100110011001100110011001100111
// 轉成十進制正好是 0.30000000000000004
為什么 x=0.1 能得到 0.1?
恭喜你到了看山不是山的境界,因為 mantissa 固定長度是 52 位,再加上省略的一位,最多可以表示的數是 2^53=9007199254740992,對應科學計數尾數是 9.007199254740992,這也是 JS 最多能表示的精度,它的長度是 16,所以可以使用 toPrecision(16) 來做精度運算,超過的精度會自動做湊整處理,于是就有:
0.10000000000000000555.toPrecision(16)
// 回傳 0.1000000000000000,去掉末尾的零后正好為 0.1
// 但你看到的 `0.1` 實際上并不是 `0.1`,不信你可用更高的精度試試:
0.1.toPrecision(21) = 0.100000000000000005551
大數危機
可能你已經隱約感覺到了,如果整數大于 9007199254740992 會出現什么情況呢?
由于 E 最大值是 1023,所以最大可以表示的整數是 2^1024 - 1,這就是能表示的最大整數,但你并不能這樣計算這個數字,因為從 2^1024 開始就變成了 Infinity
> Math.pow(2, 1023)
8.98846567431158e+307
> Math.pow(2, 1024)
Infinity
那么對于 (2^53, 2^63) 之間的數會出現什么情況呢?
(2^53, 2^54)之間的數會兩個選一個,只能精確表示偶數(2^54, 2^55)之間的數會四個選一個,只能精確表示4個倍數- ... 依次跳過更多2的倍數
下面這張圖能很好的表示 JavaScript 中浮點數和實數(Real Number)之間的對應關系,我們常用的 (-2^53, 2^53) 只是最中間非常小的一部分,越往兩邊越稀疏越不精確,

在淘寶早期的訂單系統中把訂單號當作數字處理,后來隨意訂單號暴增,已經超過了9007199254740992,最終的解法是把訂單號改成字串處理,
要想解決大數的問題你可以參考第三方庫 bignumber.js,原理是把所有數字當作字串,重新實作了計算邏輯,缺點是性能比原生的差很多,所以原生支持大數就很有必要了,現在 TC39 已經有一個 Stage 3 的提案 proposal bigint,大數問題有問徹底解決,
toPrecision vs toFixed
資料處理時,這兩個函式很容易混淆,它們的共同點是把數字轉成字串供展示使用,注意在計算的中間程序不要使用,只用于最終結果,
不同點就需要注意一下:
toPrecision是處理精度,精度是從左至右第一個不為0的數開始數起,toFixed是小數點后指定位數取整,從小數點開始數起,
兩者都能對多余數字做湊整處理,也有些人用 toFixed 來做四舍五入,但一定要知道它是有 Bug 的,
如:1.005.toFixed(2) 回傳的是 1.00 而不是 1.01,
原因: 1.005 實際對應的數字是 1.00499999999999989,在四舍五入時全部被舍去!
解法:使用專業的四舍五入函式 Math.round() 來處理,但 Math.round(1.005 * 100) / 100 還是不行,因為 1.005 * 100 = 100.49999999999999,還需要把乘法和除法精度誤差都解決后再使用 Math.round,可以使用后面介紹的 number-precision#round 方法來解決,
解決方案
回到最關心的問題:如何解決浮點誤差,首先,理論上用有限的空間來存盤無限的小數是不可能保證精確的,但我們可以處理一下得到我們期望的結果,
資料展示類
當你拿到 1.4000000000000001 這樣的資料要展示時,建議使用 toPrecision 湊整并 parseFloat 轉成數字后再顯示,如下:
parseFloat(1.4000000000000001.toPrecision(12)) === 1.4 // True
封裝成方法就是:
function strip(num, precision = 12) {
return +parseFloat(num.toPrecision(precision));
}
為什么選擇 12 做為默認精度?這是一個經驗的選擇,一般選12就能解決掉大部分0001和0009問題,而且大部分情況下也夠用了,如果你需要更精確可以調高,
資料運算類
對于運算類操作,如 +-*/,就不能使用 toPrecision 了,正確的做法是把小數轉成整數后再運算,以加法為例:
/**
* 精確加法
*/
function add(num1, num2) {
const num1Digits = (num1.toString().split('.')[1] || '').length;
const num2Digits = (num2.toString().split('.')[1] || '').length;
const baseNum = Math.pow(10, Math.max(num1Digits, num2Digits));
return (num1 * baseNum + num2 * baseNum) / baseNum;
}
以上方法能適用于大部分場景,遇到科學計數法如 2.3e+1(當數字精度大于21時,數字會強制轉為科學計數法形式顯示)時還需要特別處理一下,
能讀到這里,說明你非常有耐心,那我就放個福利吧,遇到浮點數誤差問題時可以直接使用
github.com/dt-fe/numbe…
完美支持浮點數的加減乘除、四舍五入等運算,非常小只有1K,遠小于絕大多數同類別庫(如Math.js、BigDecimal.js),100%測驗全覆寫,代碼可讀性強,不妨在你的應用里用起來!
參考并轉載于:https://github.com/camsong/blog/issues/9
轉載請註明出處,本文鏈接:https://www.uj5u.com/qiye/246482.html
標籤:其他
上一篇:百度地圖 - 基礎學習(7): 折線構成閉合圖形面積計算
下一篇:水平垂直居中深入挖掘
