本文分为三个部分

  1. JS 数字精度丢失的一些典型问题
  2. JS 数字精度丢失的原因
  3. 解决方案(一个对象+一个函数)

 

一、JS数字精度丢失的一些典型问题

 

1. 两个简单的浮点数相加




0.1 + 0.2 != 0.3            // true




 

Firebug

javascript 失真 js数据精度失真原因_javascript

这真不是 Firebug 的问题,可以用alert试试 (哈哈开玩笑)。

 

看看Java的运算结果

javascript 失真 js数据精度失真原因_javascript 失真_02

 

再看看Python

javascript 失真 js数据精度失真原因_javascript_03

 

2. 大整数运算




9999999999999999 == 10000000000000001            // ?




Firebug

javascript 失真 js数据精度失真原因_数据库_04

16位和17位数竟然相等,没天理啊。

 

又如



var           x = 9007199254740992          


           x + 1 == x            // ?




看结果

javascript 失真 js数据精度失真原因_ViewUI_05

三观又被颠覆了。

 

3. toFixed 不会四舍五入(Chrome)


1.335.toFixed(2)            // 1.33


Firebug

javascript 失真 js数据精度失真原因_javascript_06

 

线上曾经发生过 Chrome 中价格和其它浏览器不一致,正是因为 toFixed 兼容性问题导致

javascript 失真 js数据精度失真原因_数据库_07

 

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

javascript 失真 js数据精度失真原因_前端_08

 

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



0.1 >> 0.0001 1001 1001 1001…(1001无限循环)          


           0.2 >> 0.0011 0011 0011 0011…(0011无限循环)




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



9007199254740992     >> 10000000000000...000            // 共计 53 个 0          


           9007199254740992 + 1 >> 10000000000000...001            // 中间 52 个 0          


           9007199254740992 + 2 >> 10000000000000...010            // 中间 51 个 0




 

实际上



9007199254740992 + 1            // 丢失          


           9007199254740992 + 2            // 未丢失          


           9007199254740992 + 3            // 丢失          


           9007199254740992 + 4            // 未丢失




 

结果如图

javascript 失真 js数据精度失真原因_ViewUI_09

 

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。

 

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)



// 0.1 + 0.2           


           (0.1*10 + 0.2*10) / 10 == 0.3            // true



  

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。