javascript浮点数精度丢失源于ieee 754二进制表示限制，解决核心是避开直接运算：①转整数计算（如×100再÷100）；②用decimal.js或big.js等高精度库；③比较时用epsilon容差而非===。
JavaScript 中浮点数计算精度丢失，本质是二进制无法精确表示大部分十进制小数（比如 0.1 + 0.2 !== 0.3），这是 IEEE 754 双精度浮点数标准的固有限制，不是 JS 独有，但 JS 没有内置小数类型，所以更常遇到。解决思路不是“修复”浮点数，而是**避开直接用浮点数做关键精度运算**。
转成整数再计算（最常用、最可靠）
适用于金额、百分比、计数等有固定小数位的场景。核心是：把数字放大成整数（如 ×100），运算完成后再缩小（÷100）。
- 例如处理元为单位的金额：
0.1 + 0.2→ 先转成分：(0.1 * 100) + (0.2 * 100) === 30，再转回：30 / 100 === 0.3 - 封装成工具函数更安全（避免重复乘除）：
function add(a, b, decimal = 2) { const base = 10 ** decimal; return Math.round((a * base + b * base)) / base; } add(0.1, 0.2); // 0.3 - 注意：
Math.round能防止因浮点误差导致的微小偏差（如0.1 * 100实际是10.000000000000002）
使用专门的高精度库（适合复杂运算）
当涉及加减乘除混合、多位小数、或需保留多位有效数字时（如科学计算、金融风控），推荐用成熟库。
-
decimal.js：轻量、API 清晰、支持四舍五入模式、NaN/Infinity 处理完善
import { Decimal } from 'decimal.js';<br>new Decimal(0.1).plus(0.2).equals(0.3); // true -
big.js：更小（~6KB），API 更简洁，适合前端轻量需求
import { Big } from 'big.js';<br>new Big(0.1).plus(0.2).toString(); // "0.3" - 避免用
toFixed()做运算：它只格式化字符串，不改变数值本身，且会四舍五入，不能用于中间计算
比较时用误差容忍（epsilon）代替严格相等
如果只是判断两个浮点数是否“足够接近”，不要用 ===，而用极小值容差比较。
- 定义一个可接受的误差范围，例如
Number.EPSILON（约2.22e-16），或按业务自定义：const EPS = 1e-10; - 写成工具函数：
function nearlyEqual(a, b, epsilon = Number.EPSILON) { return Math.abs(a - b) - 注意：
Number.EPSILON适合比较接近 0 的数；对大数（如百万级）应按比例缩放 epsilon，或用相对误差
输入/显示层做格式化，不改底层逻辑
用户看到的数字（如价格、进度条）可以安全格式化，但底层存储和运算仍需保持一致性。
- 显示用
toLocaleString()或toFixed(n)（注意它返回字符串）：(0.3).toFixed(2); // "0.30" - 输入时尽量限制小数位（如
<input type="number" step="0.01">），或用正则/onChange 校验，避免用户输进0.10000000000000002 - 后端交互统一用字符串传金额（如
"19.99"），由后端解析，避免 JS 浮点数污染传输链路
Java免费学习笔记：立即使用
解锁 Java 大师之旅：从入门到精通的终极指南
