在平时编码过程中，我们经常会涉及到一些浮点数的计算问题，但是在使用过程中，我们会发现一些或许不那么容易理解的问题，比如：
0.1+0.2=0.30000000000000004
在解释为什么出现这种情况之前，我们需要知道计算机是如何对浮点数进行存储的。
- 浮点数的存储
众所周知，计算机只能处理二进制的数据，因此在进行存储之前，需要对十进制的浮点数进行二进制处理，浮点数二进制转换规则为：整数部分除2取余，小数部分乘2取整
又因为浮点数的存储相较于整数类型存储时多了一个小数点，我们可以通过移位的方式来标识小数点的位置，为了统一计算，需要保证移位后的整数部分都为1，在存储时只关心小数部分，那么最终移位后的展示形式应为 1.f * 2^n
假设有一个浮点数二进制化之后的结果为 10010.01101
那移位后就应该表示为1.001001101 * 2^4
同理
0.0000010101移位后的结果是 1.0101 * 2^-6
而浮点数的存储及运算规则遵循的是 IEEE754 规范。（这个规范具体可以参见链接，此处不赘述） IEEE754 规范又细分为
- 单精确度（32位）
- 双精确度（64位）
- 延伸单精确度（43比特以上，很少使用）
- 延伸双精确度（79比特以上，通常以80位实现）
JS中的浮点数正是其中的 双精确度（64位），因此JS中的一个浮点数可以用以下的第一个公式表示出来
而sign、exponent、fraction的具体取值可以通过第二个公式取得
其中(exponent-1023)中的1023是一个偏移常量，不必纠结，因为exponent的位数为11位，所以偏移常量取值为2^(11-1)-1
其中
- value——真实值
- sign——符号位（用于表示正负，0为正 1为负）
- exponent——指数偏移值（下方会详细讲）
- fraction——分数值
有了以上的理论知识，接下来我们看一下一个浮点数具体是如何存储到计算机中的。
-
将浮点数转换为二进制
-
将转换后的浮点数进行移位操作
-
将移位后的结果带入到上方第二个公式中，算出sign、exponent、fraction的值
1）exponent算出的值不足11位的在前面补0，补满11位
2）fraction不足52位的在后面补0，补满52位；如fraction超出52位，则遵循 0舍1入 的规则进行舍入
-
将算出的sign、exponent、fraction带入到第一个公式中，得到最后的value
至此，我们已经知道了浮点数在计算机中是如何进行存储的。不难看出在数据转换的第3步有 0舍1入 的操作，也就是说有一部分数字在存进计算机时就已经是一个近似值，那么我们用近似值去进行计算的时候，拿到的结果就会存在一定程度上的误差。这也就能解释为什么0.1 + 0.2 !== 0.3了。
