小知识，大挑战！本文正在参与“程序员必备小知识”创作活动
前言
开局一个小彩蛋，JS全靠悟。
来一个很简单的题目，让我们来更快的理解今天要说啥
0.1 + 0.2 = ？
正常来说肯定等于0.3是不是，但是你在控制台上查看结果后可知 0.30000000000000004， wow,amazing！ 现在让我们思考一下一下几个问题，然后带着问题一起研究一下为什么？
- 在那些情况下会出现精度丢失的情况？
- 为什么会出现 精度丢失 的情况？
- 该怎么解决这种情况呢？ 老司机发车
╭╩══╮ ╔══════╗╔══════╗╔═══════╗╔════╗
╭ 嘟嘟嘟╠╣ 都不要跑 ╠╣ ╠╣ ╣
╰⊙══⊙╯╚◎════◎╝╚◎════◎╝╚◎═════◎╝
JS数字精度丢失的一些典型问题
两个简单浮点数相加
// 加法 =====================
0.1 + 0.2 = 0.30000000000000004
0.2 + 0.4 = 0.6000000000000001
// 减法 =====================
0.3 - 0.2 = 0.09999999999999998
// 乘法 =====================
0.8 * 3 = 2.4000000000000004
// 除法 =====================
0.3 / 0.1 = 2.9999999999999996
看到这里，由衷的恭喜你，触发了第一个彩蛋。众所周知，JS不是很擅长处理小数，尤其是和金钱息息相关的小数。JS一般使用它可以表示出来的值来代替这些小数。
当你在代码里输入小数点或从一些数据中读取带小数点的数时，基本上就等于给程序贴上了“有误差”的标签。有时候误差小到可以忽略不记，有时候多个数的误差可以相互抵消，但还是有些时候误差会越累计越大。
整数运算
// 加法 =====================
9007199254740992 + 1 = 9007199254740992
// 减法 =====================
9007199254740993 - 1 = 9007199254740991
// 乘法 =====================
诶 没找到
// 除法 =====================
100 / 3 = 33.333333333333336
为什么会出现精度丢失的情况呢？
- JavaScript中是遵循IEEE 754的标准，在程序的内部Number类型实质是一个64位固定长度的浮点数，也就是标准的double双精度浮点数。
- 计算机的二进制实现和位数限制有些数无法有限表示。就像一些无理数不能有限表示，如 圆周率 3.1415926...，1.3333... 等。JS 遵循 IEEE 754 规范，采用双精度存储（double precision），占用 64 bit。
- 在转换为二进制的科学记数法的形式时只保留64位有效的数字，此时只能模仿十进制进行四舍五入了，但是二进制只有 0 和 1 两个，于是变为 0 舍 1 入。在这一步出现了错误，那么一步错步步错，那么在计算机存储小数时也就理所应当的出现了误差。这即是计算机中部分浮点数运算时出现误差，这就是丢失精度的根本原因
该怎么解决这种情况呢？
对于整数，前端出现问题的几率可能比较低，毕竟很少有业务需要需要用到超大整数，只要运算结果不超过 Math.pow(2, 53) 就不会丢失精度。
简单方法
- 对于小数，前端出现问题的几率还是很多的，尤其在一些电商网站涉及到金额等数据。解决方式：把小数放到位整数（乘倍数），再缩小回原来倍数（除倍数）
- toFixed()
类库
- Math.js
- big.js
