一. 前置知识点
1. 十进制如何转为二进制？
整数部分除二取余数， 直到商为0，逆序排列，小数部分乘2取整，顺序排列，直到积中小数部分为0或者到达要求精度。
8转为二进制8 / 2 = 4...0 取04 / 2 = 2...0 取02 / 2 = 1...0 取01 / 2 = 0...1 取1二进制结果为：10000.25转为二进制0.25 * 2 = 0.50 取00.50 * 2 = 1.00 取1二进制结果为：01于是可得出8.25的二进制表示：1000.01复制代码
2. 二进制如何转为十进制？
注意：二进制转为十进制不分整数部分与小数部分。
二进制1000.01转为十进制1 * 2^3 + 0 * 2^2 + 0 * 2^1 + 0 * 2^0 + 0 * 2^-1 + 0 * 2^-2 = 8.25复制代码
二. javascript是如何保存数字的
JavaScript 里的数字是采用 IEEE 754 标准的 64 位 double 双精度浮点数
-
sign bit(符号): 用来表示正负号，1位 （0表示正，1表示负）
-
exponent(指数): 用来表示次方数，11位
-
mantissa(尾数): 用来表示精确度，52位
对于没有接触的读者来说，以上可能理解起来很模糊，没关系，接下来我们用案例具体说明其流程，先看一下上述的十进制数8.25在JS中是如何保存的
- 十进制的
8.25会被转化为二进制的1000.01； - 二进制
1000.01可用二进制的科学计数法1.00001 * 2^4表示； 1.00001 * 2^4的小数部分00001（二进制）就是mantissa(尾数)了，4（十进制）加上1023就是exponent(指数)了（这里后面讲解为什么要加上1023）；- 接下来指数
4要加上1023后转为二进制10000000011； - 我们的十进制
8.25是一个正数，所以符号为二进制表示为0 8.25最终的二进制保存0-10000000011-0000100000000000000000000000000000000000000000000000
注意点：
- 不够位的我们都用0补充；
- 步骤2得出的科学计数中的整数本分1我们好像忘记，这里因为Javascript为了更最大限度的提高精确度，而省略了这个1， 这样在我们我们本来只能保存（二进制）52位的尾数，实际是有（二进制）53位的；
- 指数部分是11位，表示的范围是[0, 2047]，由于科学计数中的指数可正可负，所以，中间数为 1023，[0,1022] 表示为负，[1024,2047] 表示为正， 这也解释了为什么我们科学计数中的指数要加上1023进行存储了。
三. javascript是如何读取数字的
我们还是以8.25的二进制0-10000000011-0000100000000000000000000000000000000000000000000000来讲述
- 首先我们获取指数部分的二进制
1000000001，转化为十进制为1027，1027减去1023就是我们实际的指数4了； - 获取尾数部分
0000100000000000000000000000000000000000000000000000实际是0.00001（后面的0就不写了），然后加上我们忽略的1，得出1.00001； - 因为首位为
0，所以我们的数为正数，得出二进制的科学计数为1.00001 * 2^4，接着再转为十进制数，就得到了我们的8.25；
四. 从0.1+0.2来看javascript精度问题
这里就要进入我们的正题了，看懂了前面的原理说明，这部分将会变得很好理解了。
要计算0.1+0.2，首先计算要先读取到这两个浮点数
0.1存储为64位二进制浮点数
没有忘记以上步骤吧~
- 先将0.1转化为二进制的整数部分为
0，小数部分为0001100110011001100110011001100110011...咦，这里居然进入了无限循环，那怎么办呢？暂时先不管； - 我们得到的无限循环的二进制数用科学计数表示为
1.100110011001100110011001100110011... * 2^-4； - 指数位即是
-4 + 1023 = 1019，转化位11位二进制数01111111011； - 尾数位是无限循环的，但是双精度浮点数规定尾数位52位，于是超出52位的将被略去，保留
1001100110011001100110011001100110011001100110011010 - 最后得出0.1的64位二进制浮点数：
0-01111111011-1001100110011001100110011001100110011001100110011010
同上，0.2存储为64位二进制浮点数：0-01111111100-1001100110011001100110011001100110011001100110011010
读取到两个浮点数的64为二进制后，再将其转化为可计算的二进制数
- 0.1转化为
1.1001100110011001100110011001100110011001100110011010 * 2^(1019 - 1023)——0.00011001100110011001100110011001100110011001100110011010; - 0.2转化为
1.1001100110011001100110011001100110011001100110011010 * 2^(1020 - 1023)——0.0011001100110011001100110011001100110011001100110011010;
接着将两个浮点数的二进制数进行加法运算，得出0.0100110011001100110011001100110011001100110011001100111转化为十进制数即为0.30000000000000004
不难看出，精度缺失是在存储这一步就丢失了，后面的计算只是在不精准的值上进行的运算。
五. javascript如何解决精度问题出现的计算错误问题
对于小数或者整数的简单运算可如下解决：
function numAdd(num1, num2) { let baseNum, baseNum1, baseNum2; try { baseNum1 = String(num1).split(".")[1].length; } catch (e) { baseNum1 = 0; } try { baseNum2 = String(num2).split(".")[1].length; } catch (e) { baseNum2 = 0; } baseNum = Math.pow(10, Math.max(baseNum1, baseNum2)); return (num1 * baseNum + num2 * baseNum) / baseNum;};复制代码 如：0.1 + 0.2 通过函数处理后，相当于 (0.1 * 10 + 0.2 * 10) / 10
但是如同我们前面所了解的，浮点数在存储的时候就已经丢失精度了，所以浮点数乘以一个基数仍然会存在精度缺失问题，比如2500.01 * 100 = 250001.00000000003, 所以我们可以在以上函数的结果之上使用toFixed()，保留需要的小数位数。
一些复杂的计算，可以引入一些库进行解决。