同步發表在我的博客：jmingzi
當你學習一個知識點沒有方向時，可以嘗試以解決問題的角度來理解它。
例如這個知識點我們可以從以下問題開始：
- 你看的到 1 真的是整數 1 嗎？
- 為什么0.1 + 0.2 得到的是 0.30000000000000004 而不是 0.30000000000000004999 ？
- 為什么最大安全數是 2^53 - 1 ？
- 如何避免精度問題？
- 構造函數 Number 的一些靜態屬性
問題一
我們需要知道 js 中沒有真正的整數，我們看到的數值都是 v8 引擎省略精度后的結果。在 ecma-262 規范中並沒有說明該如何省略精度，所以如果換個解析引擎，可能又是另外一種結果了。
1..toPrecision(4) === '1.000'
我們可以用 toPrecision 來獲取數值精度的字符串表示，所以對 js 中的數你得有 “橫看成嶺側成峰” 的感覺。
問題二
由問題一我們知道精度是引擎處理的結果，那么這個問題也是同樣的道理，0.1 + 0.2 如果放大精度來看，得到的當然是
(0.1 + 0.2)..toPrecision(21) === '0.300000000000000044409'
猜測：小數部分的精度默認是非 0 的 17 位，如果末尾是 0 則繼續省略。接下來，我們從驗證問題三開始從原理入手。
問題三
javascript 的浮點數采用的是 IEEE 754 雙精度 64 位表示，IEEE 754 規定了四種浮點數的表示方式，雙精度 64 位是其中的一種。
64 位二進制組成：
- 第 1 位符號位，用 S 表示，0 代表正數，1 代表負數
- 第 2 - 12 位指數位，用 E 表示，即 2^11 = 2048，曲值范圍是 0 ～ 2047，由於是雙精度，所以指數部分有正數也有負數，取中值 1023 分隔，即指數值為 E - 1023
- 第 13 - 64 位尾數位，用 M 表示
例如數字 1 用 二進制表示也是 “1”，如果我們填充 64 位二進制，表示應該是怎樣的呢？
- 符號 S = 0
- 指數 E - 1023 = 0，E = 1023
- 尾數 M = 52
那么實際我們看到的二進制存儲應該是這樣的：
0 01111111111 0000...0000
用在線轉換工具轉換后如下圖，可以驗證結果的正確性：
http://www.binaryconvert.com/result_double.html
我們再用 0.1 + 0.2 驗證下：
0.1.toString(2) // 0.00011001100...11010
0.1 的二進制 64 位轉成科學記數法表示：1.10011001100...*10^-4，也就是說
- 符號 S = 0
- 指數 E = 1023 - 4 = 1019
- 尾數 M = 10011001100...11010 我們可以繼續用在線轉換的網址驗證下結果：
我們可以發現，其實 0.1 的尾數是 1100 不斷循環的，但是我們看到的最后 4 位是 1010 這是由於尾數只能保存 52 位，多余的部分會被舍棄，舍棄規則是 IEEE 754 規范所定義的：
- 舍入到最接近：舍入到最接近，在一樣接近的情況下偶數優先（Ties To Even，這是默認的舍入方式），會將結果舍入為最接近且可以表示的值，但是當存在兩個數一樣接近的時候，則取其中的偶數（在二進制中式以0結尾的）
- 朝+∞方向舍入
- 朝-∞方向舍入
- 朝 0 方向舍入
另外，規范還約定，由於二進制的科學記數法永遠是 1.幾 開頭，所以將 1 省略，這樣尾數就有 53 位來表示。所以 0.1 的二進制尾數部分：11001100...11001 這樣 53 位，最后一位 1 向偶數舍入即進 1，得到 1010，這樣得到的數其實是比真實的 0.1 要大的。
同理，我們查看 0.2 的表示：0.00110011001100...11010，可以得到尾數部分其實是一樣的，僅僅是指數少了 1 位。
我們再來看看問題三，為什么最大安全整數是 2^53 - 1？我們可以反過來驗證為什么 2^53 已經不再“安全”了。
由問題一我們知道正指數最大為 2047 - 1023 = 1024，為什么不是 2^1024 呢？由上我們知道尾數其實是可以有 53 位表示的（省略的 1 位），即
// Math.pow(2, 53).toString(2) 2^53 用二進制表示：1000...000，1 個 1，53 個 0 // 此時的尾數最多為 53 位，第 54 位 0 會被舍去 2^53-1 用二進制表示：1111...111，53 個 1 2^53+1 用二進制表示：1000...0001，1 個 1，52 個 0，1 個 1
其中，2^53 + 1 由於尾數最多為 53 位，所以必須舍掉第 54 位 1，根據舍入規則，向偶數舍入，所以舍掉第 54 位 1，不進 1。於是得到
2^53 === 2^53+1
也就是說從 2^53 開始就不能唯一表示一個數了，所以才說 2^53-1 是最大的安全數。
問題四
前端避免精度的場景就是展示某個價格，例如下面的公式：
展示價格 = 商品價格 * 數量 + 總價 * 服務費比例 - 優惠券價格
我們常用的方法有 Number.toFixed()、Number.parseFloat()、Math.round()，它們的區別是什么，弄清楚后才能知道如何使用它們。
Number.toFixed(digits) 返回指定位數的字符串表示，會進行四舍五入。例如
1.005.toFixed(2) // 1.00
很顯然不符合我們需求，為什么會這樣呢？因為 1.005 這個數在 64 位二進制存儲時是不能完全表示這個數的，我們放大精度看看
1.005.toPrecision(17) // 1.0049999999999999
所以四舍五入的時候就將 499...99 舍掉了。
還記得問題三么？0.300000000000000044409 ，猜測的是是小數位 17 位，超過 17 位的部分會被四舍五入。因為做精度運算時都會做四舍五入：
1.005.toPrecision(16) // 1.005000000000000 1.005.toPrecision(17) // 1.0049999999999999 1.005.toPrecision(18) // 1.00499999999999989
所以使用 toFixed 去做展示運算是不可靠的。
Number.parseFloat === parseFloat ，將字符串轉換為浮點數表示，很顯然轉換后顯示出來也會有精度問題，因為精確到哪一位呢？
我上面猜測說是：“小數部分的精度默認是非 0 的 17 位”，這是不准確的，例如：
1.005 * 100 // 100.49999999999999 100.49999999999999.toPrecision(20) // 100.49999999999998579 '49999999999999'.length // 14 並不是 17
所以 parseFloat 后的結果和我們直接寫出來看到的數字是一樣的，並不能夠使用它直接參與計算。
Math.round() 返回一個數字四舍五入后最接近的整數，所以我們一般將浮點數放大為精度位的整數后再使用 Math.round() 得到四舍五入后的整數，再縮小精度位。
例如對於價格類，精度為 2，我們可以先乘 100 做運算后再除 100，此時得到的很可能是個精度位很長的數，我們只需要在展示時乘 100，Math.round 后再除 100 即可。
所以結論就是對於浮點數的計算，先放大，再做計算，計算完成后需要展示精度，可以使用 Math.round 四舍五入后，再縮小即可。
對於不需要做計算的浮點數直接展示，我們可以先 toPrecision 放大精度，再使用 toFixed() 到指定的精度。前提是放大的精度足夠大，最好是 17 。
function round(num, precision) { const base = Math.pow(10, precision) return Math.round((num.toPrecision(17) * base).toFixed(1)) / base } round(1.005, 2) // 1.01
問題五
Number 構造函數擁有的靜態屬性如下（負方向已忽略）：
// 最大能表示的值，無限接近於 2^1024 Number.MAX_VALUE // 最大安全數 2^53 - 1 Number.MAX_SAFE_INTEGER // 正無窮大 2^1024 Number.POSITIVE_INFINITY === Infinity // 非數值 Number.NaN 等同於 NaN
關於 Infinity 和 NaN 需要注意的是
- Infinity === Infinity
- NaN !== NaN
- Infinity / Infinity = NaN
- 0 * Infinity = NaN
- 任何數 和 NaN 運算結果都是 NaN
- 任何數 / Infinity = 0
- Infinity * Infinity = Infinity
關注我的公眾號，獲取更多干貨～
