一个经典的问题：
0.1+0.2==0.3
答案是：false
因为：0.1+0.2=0.30000000000000004
第一次看到这个结果就是无比惊讶，下巴碰到地上，得深入了解下问题出在哪里，该怎么去调整。
产生问题的原因
在JS中数值类型就只有number类型，没有int，float，double之分，number类型实际上存储的就是IEEE754标准的浮点数，计算规则也是。
在表达式计算前，先要按照标准将两个数转成浮点数。
IEEE 754规定：
1.32位的浮点数（单精度），最高的1位是符号位S，接着的8位是指数E，剩下的23位为有效数字M。
浮点数的表现形式：
x=(-1)^S*m*2^(e+127)
m=1.M
E=e+127
2.64位的浮点数（双精度），最高的1位是符号位S，接着的11位是指数E，剩下的52位为有效数字M。
浮点数的表现形式：
x=(-1)^S*m*2^(e+1023)
m=1.M
E=e+1023
我们就按照双精度浮点数的标准转一下看看。
首先按照规则将0.1转成二进制的浮点数。
在转换中，会发现小数位的二进制值在不停的重复，转换没完没了了，因为乘不尽啊，不是10的倍数。
转换也不可能一直重复下去，按照标准规格化的要求凑满。
转换结果：
0.00011001100110011001100110011001100110011001100110011001
精度问题产生的第一个原因就在这里诞生了，按照标准算出来的二进制浮点数并不能都精确的表示一个小数，只是无限近似，0.5可以，因为5是10的倍数，转出来的小数位二进制不会重复。
我们看看再转回小数会怎么样，按照公式写成：
0*2^-1 + 0*2^-2 + 0*2^-3 + 1*2^-4 + 1*2^-5 + 0*2^-6 + 0*2^-7 + 1*2^-8 + 1*2^-9 + 0*2^-10 + 0*2^-11 + 1*2^-12 + 1*2^-13 + 0*2^-14 + 0*2^-15 + 1*2^-16 + 1*2^-17 + 0*2^-18 + 0*2^-19 + 1*2^-20 + 1*2^-21 + 0*2^-22 + 0*2^-23 + 1*2^-24 + 1*2^-25 + 0*2^-26 + 0*2^-27 + 1*2^-28 + 1*2^-29 + 0*2^-30 + 0*2^-31 + 1*2^-32 + 1*2^-33 + 0*2^-34 + 0*2^-35 + 1*2^-36 + 1*2^-37 + 0*2^-38 + 0*2^-39 + 1*2^-40 + 1*2^-41 + 0*2^-42 + 0*2^-43 + 1*2^-44 + 1*2^-45 + 0*2^-46 + 0*2^-47 + 1*2^-48 + 1*2^-49 + 0*2^-50 + 0*2^-51 + 1*2^-52 + 1*2^-53 + 0*2^-54 + 0*2^-55 + 1*2^-56
计算结果：
0.09999999999999999167332731531133
精度就在这里丢了一次。就是转换成小数位的二进制的时候。
按照表现形式的要求，要写成x=(-1)^s*m*2^(e+1023)，m=1.M的格式，按照要求尾数m的左边最高位总是1，所以要上面小数二进制结果的小数点进行移动
移动前：
0.00011001100110011001100110011001100110011001100110011001
移动后：
1.1001100110011001100110011001100110011001100110011001*2^-4
小数点右边选取要求的52位，上面的结果因为是提前算好，所以就省略了截取工作。
因为小数点最左侧的最高位总是1,所以它是不用存储的，那么虽然存储的是52位，但实际上可以表示53位的浮点数。
S=0，E=-4+1023=1019，m=1.M=1.1001100110011001100110011001100110011001100110011001，M=1001100110011001100110011001100110011001100110011001
浮点数表示：
x=-1^0*1.1001100110011001100110011001100110011001100110011001*2^1019
浮点数存储值（最高的1位是符号位S，接着的11位是指数E，剩下的52位为有效数字M）：
0 001111111011 1001100110011001100110011001100110011001100110011001
同理0.2的IEEE754的转换后的结果：
浮点数表示：
-1^0*1.1001100110011001100110011001100110011001100110011001*2^1020
浮点数存储值（最高的1位是符号位S，接着的11位是指数E，剩下的52位为有效数字M）：
0 001111111100 1001100110011001100110011001100110011001100110011001
接下来，按照IEEE754的加法规则，运算过程为：
1.0操作数的检查。
2.比较阶码大小并对阶。
3.尾数进行加法运算。
4.结果规格化。
5.舍入处理。
6.溢出处理。
按照计算过程，结果规格化、舍入处理、溢出处理都会遭成精度问题。
总结来看，造成精度问题的环节：
1.小数向二进制转换。
2.运算过程中的规格化，舍入、溢出处理。
精度调整
两种方法可以进行调整。
1.使用toFixed函数对小数位进行四舍五入。
但是其返回值是字符串，其参数是0 ~ 20之间的值，需要注意。
(0.1+0.2).toFixed(1) // '0.3'
2.无小数运算，运算结果附上小数点
使用该方法，要注意因为要变成整数再计算，对于一个小数点后位数很多的数来运算的时候，要注意溢出。
function sub(arg1,digits2));
return (arg1maxDigits-arg2maxDigits)/maxDigits;
}
//乘
function mul(arg1,arg2) {
var digits=0,s1=arg1.toString(),s2=arg2.toString();
try{digits+=s1.split(".")[1].length}catch(e){}
try{digits+=s2.split(".")[1].length}catch(e){}
return Number(s1.replace(".",""))*Number(s2.replace(".",""))/Math.pow(10,digits);
}
//除
function div(arg1,arg2){
var int1=0,int2=0,digits1,digits2;
try{digits1=arg1.toString().split(".")[1].length}catch(e){digits1=0}
try{digits2=arg2.toString().split(".")[1].length}catch(e){digits2=0}
int1=Number(arg1.toString().replace(".",""))
int2=Number(arg2.toString().replace(".",""))
return (int1/int2)*Math.pow(10,digits2-digits1);
}
以上这篇详谈javascript精度问题与调整就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持编程之家。