<p>不能直接用 === 比较浮点数，因 IEEE 754 表示导致 0.1 + 0.2 === 0.3 为 false；应使用 Math.abs(a - b) < epsilon 判断近似相等。</p>
直接用 === 判断两个浮点数是否相等，常常会出错，因为浮点数在计算机中无法精确表示（比如 0.1 + 0.2 !== 0.3）。用 Math.abs 配合误差容忍值（epsilon），是更可靠的做法。
为什么不能直接用 === 比较浮点数
浮点数基于 IEEE 754 标准存储，很多十进制小数（如 0.1）在二进制下是无限循环小数，只能近似存储。运算过程中微小的舍入误差会累积，导致看似相等的计算结果实际不等。
-
0.1 + 0.2实际得到的是0.30000000000000004 -
0.3 === 0.30000000000000004返回false
用 Math.abs 实现近似相等判断
核心思路：计算两数之差的绝对值，看是否小于一个极小的阈值（即 epsilon）。这个阈值代表你愿意接受的误差范围。
- 常见 epsilon 值：
Number.EPSILON（约2.22e-16），适合比较接近 0 或 1 的数 - 对较大数值或特定场景，建议用相对误差或自定义 epsilon（如
1e-10） - 示例函数：
function floatEqual(a, b, epsilon = Number.EPSILON) {
return Math.abs(a - b) }
注意 epsilon 的选择和边界情况
固定 epsilon 不总是安全。比如比较 1000000.0000001 和 1000000.0000002，差值虽小但可能超过 Number.EPSILON；而比较 1e-20 和 0 时，Number.EPSILON 又显得太大。
立即学习“Java免费学习笔记（深入）”；
- 对数量级差异大的数，可改用相对误差：
Math.abs(a - b) - 涉及
Infinity或NaN时需单独处理（NaN与任何值都不相等，包括自身） - 简单场景用
1e-10或1e-12往往比Number.EPSILON更稳妥
实际使用建议
不要为所有数字比较都写一遍 Math.abs 逻辑。封装成可复用的工具函数，并根据业务精度要求调整 epsilon。
- 单元测试中浮点比较，推荐用测试框架内置的近似断言（如 Jest 的
toBeCloseTo） - 图形、物理模拟等对精度敏感的场景，明确记录所选 epsilon 并保持一致
- 避免在循环或高频调用中创建闭包或重复计算，优先使用常量 epsilon
