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！~~ ），当然包括很多 后端开发者 （~~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
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：

js 复制代码

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
求 exponent
- 根据公式 (-1)^S x (1. M) x 2^(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
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：

js 复制代码

// 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
(1.1250).toFixed(2) = '1.13'

看起来没有问题是吧！

js 复制代码

// 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 = 1.1245
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'
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）
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 n

b. 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
- 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
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
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。

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：

js 复制代码

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，由于涉及到部分内容计网相关内容，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！！！

后端问为什么前端数值精度会丢失？

前言

精度丢失场景

浮点数的计算

加（ + ）

减（ - ）

乘（ * ）

除（ / ）

超过最值

保留指定小数位

精度丢失的原因

IEEE 754 标准

双精度浮点数的组成

十进制浮点数的存储过程

十进制转二进制

求出 sign、exponent、mantissa 的值

最终存储形式

Number.prototype.toFixed 的舍入

银行家算法

ECMAScript 定义的 toFixed 标准

看不懂？那就挑懂的地方看

如何解决前端数值的精度问题？

使用第三方库

思路扩展

浮点数计算

超过最值

保留指定小数位

最后