因为IEEE 754浮点数无法精确表示多数十进制小数（如0.1、0.5），std::round是对实际存储的近似值舍入，而非理想十进制值；例如2.675在double中实际为2.674999...，导致round(2.675*100)/100得2.67而非2.68。
为什么 std::round 对 0.5 附近浮点数有时“不四舍五入”？
因为 IEEE 754 浮点表示本身无法精确存储很多十进制小数（比如 0.1、0.2、0.5 在二进制中是循环小数），std::round 是对**实际存储值**做舍入，不是对“你心里想的那个十进制数”。例如：2.675 存入 double 后实际是略小于 2.675 的值（如 2.6749999999999998），std::round(2.675 * 100) / 100 就会得 2.67 而非预期的 2.68。
实操建议：
- 若目标是“按十进制小数位四舍五入”，不能直接依赖
std::round+ 缩放，必须先解决表示误差 - 关键不是换函数，而是换表示：把待处理数转成整数倍的“十进制单位”（如 cents、millis），再舍入
- 对精度要求 ≤ 15 位有效数字的场景，用
long long存储缩放后的整数值最稳（避免double中间计算）
用字符串解析 + 整数运算实现可控精度四舍五入
绕过浮点表示误差的最可靠方式：从字符串入手，解析出整数部分、小数部分、小数位数，全部用整数运算模拟舍入逻辑。适用于配置化精度（如保留 2 位小数）、金融/报表等强确定性场景。
实操建议：
- 用
std::stoll或手动遍历提取数字，避免std::stod引入首轮解析误差 - 小数点后不足目标位数时补
'0'；超过时截断并记录下一位数字用于判断进位 - 进位传播必须用大整数加法逻辑（如用
std::vector<int></int>存各位，或直接用long long+ 溢出检查） - 示例片段（保留 2 位小数）：
std::string s = "2.675";<br>auto pos = s.find('.');<br>std::string int_part = (pos == std::string::npos) ? s : s.substr(0, pos);<br>std::string dec_part = (pos == std::string::npos) ? "00" : s.substr(pos+1);<br>// 补零到至少3位（第3位决定舍入）<br>dec_part += std::string(std::max(0, 3-(int)dec_part.length()), '0');<br>long long val = std::stoll(int_part) * 100 + std::stoll(dec_part.substr(0,2));<br>int round_digit = dec_part[2] - '0';<br>if (round_digit >= 5) val++; // 进位<br>// val 即为四舍五入后“以百分之一为单位”的整数
当必须用 double 输入时，如何补偿 std::round 的误差？
如果上游只能给 double，又不能改输入协议，可对输入值做微小扰动（epsilon bias），把本该落在 0.5 边界上的数“推过线”。这不是数学严谨解，但在多数业务精度要求下足够鲁棒。
实操建议：
- 扰动量必须远小于最低有效位（ULP），但大于浮点舍入噪声：对
double，常用1e-13量级（如1e-13 * std::abs(x)） - 只在缩放后、舍入前加扰动，且仅对正数加正扰动、负数加负扰动，保持符号一致性：
double scale = std::pow(10.0, digits);<br>double scaled = x * scale;<br>double bias = (x >= 0) ? 1e-13 * scaled : -1e-13 * scaled;<br>double rounded = std::round(scaled + bias) / scale;
- 注意：此法在极端值（如接近
DBL_MAX）下 bias 可能溢出，需加std::isfinite和范围检查 - 不要用固定
1e-15这类常数——它在x=1e10时已远小于 ULP，失效；在x=1e-10时又可能过大，引发误进位
为什么不用 boost::multiprecision 或 cpp_dec_float？
它们确实能精确表示十进制小数，但代价明显：运行时开销高（动态内存、函数调用）、编译依赖重、二进制体积大。对 90% 的内部工具、日志统计、配置化精度展示类需求，属于过度设计。
实操建议：
- 只有当业务明确要求“任意长度十进制精度”（如科学计算、密码学中间值）或已有 boost 依赖且不介意体积时，才引入
cpp_dec_float - 更轻量的替代：用
int64_t存“基本单位 × 10^N”，N 由业务最大精度决定（如金额用int64_t cents，温度用int64_t millidegrees） - 真正难处理的是混合精度场景（如一个公式里既有
double物理模型输出，又要按 0.01 四舍五入显示）——这时必须明确分层：计算层用浮点，展示层用字符串/整数转换，绝不混用
最易被忽略的一点：四舍五入的目标不是“让数字好看”，而是匹配下游系统约定。比如某 API 要求“价格字段保留两位小数，银行级四舍五入”，那你的测试用例必须包含 0.005、-0.005、999999.995 这类边界值，并用真实字符串比对结果，而不是只看 std::cout 的输出——后者本身也受流缓冲区和 locale 影响。
C++免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 C++ 的入门与实战技巧！
