浮点数精度问题源于十进制小数无法精确转换为二进制，导致如0.1+0.2≠0.3；可通过转整数、toFixed、误差范围或高精度库解决。

JavaScript 中的数字类型基于 IEEE 754 标准的双精度浮点数（64 位），这种设计能表示很大或很小的数值，但也带来了常见的 浮点数精度问题。你在做加减乘除时，可能会遇到类似 0.1 + 0.2 !== 0.3 的诡异现象。

为什么会出现浮点数精度问题？

根本原因在于：计算机用二进制表示小数，而很多十进制小数无法被精确转换为有限位的二进制小数。

例如：

wechat-article-extraction-mp-weixin-qq-com news-webpage-cleaning blog-post-parsing metadata-extraction-title-author-date multiple-output-formats-markdown-json-plain-text batch-processing-support

基于三引擎设计，从微信文章、新闻和博客网页提取干净内容，支持标题作者日期元数据，多格式和批量处理。

下载

• 0.1 在二进制中是无限循环小数（类似十进制中的 1/3 = 0.333...）
• 由于存储空间有限，只能截断或舍入，造成微小误差
• 这些误差在计算中累积，导致结果“看起来”错误

比如：0.1 + 0.2 实际得到的是 0.30000000000000004

常见陷阱场景

以下是一些典型出错的例子：

• 加法/减法不精确：0.1 + 0.2 === 0.3 返回 false
• 比较操作失效：直接使用 === 判断两个浮点数是否相等会出错
• 价格计算偏差：电商中涉及金额计算时，出现分位错误
• 循环控制异常：用浮点数做循环步进（如 i += 0.1）可能导致多执行或少执行一次

如何避免和解决？

实际开发中，不能依赖浮点数的“精确性”，需要采用合理策略规避问题：

• 转整数计算：处理金额时，统一用“分”代替“元”，避免小数。例如：0.1 元 → 10 分，计算完成后再转回
• 使用 toFixed() + parseFloat()：对结果进行格式化，但注意 toFixed 返回字符串，需转换类型
  示例：parseFloat((0.1 + 0.2).toFixed(2)) === 0.3 → true
• 设置误差范围（Number.EPSILON）：判断两个浮点数是否“足够接近”
  示例：

  function isEqual(a, b) {
    return Math.abs(a - b) < Number.EPSILON * Math.max(Math.abs(a), Math.abs(b));
  }
  isEqual(0.1 + 0.2, 0.3); // true
      

• 使用专门的库：对于高精度需求，推荐使用 decimal.js、big.js 等库，支持任意精度的十进制运算

基本上就这些。JS 的浮点数问题不是 bug，而是底层表示方式的局限。只要意识到它的存在，并在关键场景采取应对措施，就能有效避开陷阱。