很多语言都有浮点数计算精度丢失的问题，JavaScript也不例外。相信你也也发现过这样的问题：
那为什么会出现这种问题呢？今天就和大家一起探究一下底层的原因，然后找到解决问题的办法。
1. 浮点数计算精度丢失的原因
JavaScript 中所有数字包括整数和小数都使用一种类型 — Number。遵循 IEEE 754 标准，使用 64 位固定长度来表示，也就是标准的 double 双精度浮点数（32位为单精度浮点数）。
64位比特又可分为三个部分：
符号位S：第 1 位是正负数符号位（sign），0代表正数，1代表负数
指数位E：中间的 11 位存储指数（exponent），用来表示次方数
尾数位M：最后的 52 位是尾数（mantissa），超出的部分自动进一舍零
了解了JavaScript存储浮点数的逻辑，相信你现在已经找到了精度丢失的原因了。我来帮你展示一下浮点数计算的过程，以0.1 + 0.2为例：
第一步：将0.1,0.2转换为二进制存储
0.1 = 0.0001100110011001100110011001100110011001100110011001101
0.2 = 0.0011001100110011001100110011001100110011001100110011010
因为0.1和0.2转换为2进制时都为无限小数，尽管使用上图中的指数表示，尾数超过52位的部分还是会被舍弃。这就是浮点数计算误差的根源。
第二步：将0.1,0.2的二进制数相加
0.1+0.2 = 0.0100110011001100110011001100110011001100110011001100111
第三步：将二进制数结果转为十进制数
0.30000000000000004
很多语言都有浮点数计算精度丢失的问题，JavaScript也不例外。相信你也也发现过这样的问题：
那为什么会出现这种问题呢？今天就和大家一起探究一下底层的原因，然后找到解决问题的办法。
1. 浮点数计算精度丢失的原因
JavaScript 中所有数字包括整数和小数都使用一种类型 — Number。遵循 IEEE 754 标准，使用 64 位固定长度来表示，也就是标准的 double 双精度浮点数（32位为单精度浮点数）。
64位比特又可分为三个部分：
符号位S：第 1 位是正负数符号位（sign），0代表正数，1代表负数
指数位E：中间的 11 位存储指数（exponent），用来表示次方数
尾数位M：最后的 52 位是尾数（mantissa），超出的部分自动进一舍零
了解了JavaScript存储浮点数的逻辑，相信你现在已经找到了精度丢失的原因了。我来帮你展示一下浮点数计算的过程，以0.1 + 0.2为例：
第一步：将0.1,0.2转换为二进制存储
0.1 = 0.0001100110011001100110011001100110011001100110011001101
0.2 = 0.0011001100110011001100110011001100110011001100110011010
因为0.1和0.2转换为2进制时都为无限小数，尽管使用上图中的指数表示，尾数超过52位的部分还是会被舍弃。这就是浮点数计算误差的根源。
第二步：将0.1,0.2的二进制数相加
0.1+0.2 = 0.0100110011001100110011001100110011001100110011001100111
第三步：将二进制数结果转为十进制数
0.30000000000000004
很多语言都有浮点数计算精度丢失的问题，JavaScript也不例外。相信你也也发现过这样的问题：
那为什么会出现这种问题呢？今天就和大家一起探究一下底层的原因，然后找到解决问题的办法。
1. 浮点数计算精度丢失的原因
JavaScript 中所有数字包括整数和小数都使用一种类型 — Number。遵循 IEEE 754 标准，使用 64 位固定长度来表示，也就是标准的 double 双精度浮点数（32位为单精度浮点数）。
64位比特又可分为三个部分：
符号位S：第 1 位是正负数符号位（sign），0代表正数，1代表负数
指数位E：中间的 11 位存储指数（exponent），用来表示次方数
尾数位M：最后的 52 位是尾数（mantissa），超出的部分自动进一舍零
了解了JavaScript存储浮点数的逻辑，相信你现在已经找到了精度丢失的原因了。我来帮你展示一下浮点数计算的过程，以0.1 + 0.2为例：
第一步：将0.1,0.2转换为二进制存储
0.1 = 0.0001100110011001100110011001100110011001100110011001101
0.2 = 0.0011001100110011001100110011001100110011001100110011010
因为0.1和0.2转换为2进制时都为无限小数，尽管使用上图中的指数表示，尾数超过52位的部分还是会被舍弃。这就是浮点数计算误差的根源。
第二步：将0.1,0.2的二进制数相加
0.1+0.2 = 0.0100110011001100110011001100110011001100110011001100111
第三步：将二进制数结果转为十进制数
0.30000000000000004
