后端问为什么前端数值精度会丢失?
共 11445字,需浏览 23分钟
·
2023-09-08 06:47
前言
相信各位前端小伙伴在日常工作中不免会涉及到使用 JavaScript
处理 数值 相关的操作,例如 数值计算、保留指定小数位、接口返回数值过大 等等,这些操作都有可能导致原本正常的数值在 JavaScript
中确表现得异常(即
精度丢失
),这也是被很多开发者诟病的一点(你该不会还没踩过坑吧!
),当然包括很多 后端开发者(不止一次的被问到这个问题
)。
本文主要包含 精度丢失场景、精度丢失原因、解决方案 等方面的内容,文中若有不正确的地方欢迎在评论区分享你的见解。
精度丢失场景
浮点数的计算
数值计算在前端的应用还不算少,但涉及 浮点数 参与计算时可能会出现精度丢失,如下:
加( + )
正常计算:0.1 + 0.2 = 0.3
JavaScript
计算:0.1 + 0.2 = 0.30000000000000004
减( - )
正常计算:1 - 0.9 = 0.1
JavaScript
计算:1 - 0.9 = 0.09999999999999998
乘( * )
正常计算:0.0532 * 100 = 5.32
JavaScript
计算:0.0532 * 100 = 5.319999999999999
除( / )
正常计算:0.3 / 6 = 0.05
JavaScript
计算:0.3 / 6 = 0.049999999999999996
超过最值
所谓 超过最值(最大、最小值
) 指的是超过了 Number.MIN_SAFE_INTEGER(- 9007199254740991)
,即
+(2^53 – 1) 或 Number.MAX_SAFE_INTEGER(+ 9007199254740991)
,即 -(2^53 – 1) 范围的值,项目中最常见的就是如下几种情况:
后端返回的数值超过最值
例一,后端返回的列表数据,通常都会有相应的
ID
来标识唯一性,但后端字啊生成这个ID
时是 Long 类型,那么该值很可能就会超过JavaScript
中能表示的最大正整数,此时就导致精度丢失,即前端实际获取到的ID
值和后端返回的将不一致例二,后端可能需要将一些值通过计算之后,把对应的结果值返回给前端,此时若该值超过了 最值,那么也会产生精度丢失
前端进行数值计算时,计算结果超过最值
保留指定小数位
除了上述对涉及浮点数计算、超过最值的场景之外,我们通常还会对数值进行保留指定小数位的处理,而部分开发者可能会直接使用 Number.prototype.toFixed 来实现,但这个方法却并不能保证我们期望的效果,例如保留小数位时需要进行 四舍五入 时就会有问题,如下:
console.log(1.595.toFixed(2)) // 1.59 ——> 期望为:1.60
console.log(1.585.toFixed(2)) // 1.58 ——> 期望为:1.59
console.log(1.575.toFixed(2)) // 1.57 ——> 期望为:1.58
console.log(1.565.toFixed(2)) // 1.56 ——> 期望为:1.57
console.log(1.555.toFixed(2)) // 1.55 ——> 期望为:1.56
console.log(1.545.toFixed(2)) // 1.54 ——> 期望为:1.55
console.log(1.535.toFixed(2)) // 1.53 ——> 期望为:1.54
console.log(1.525.toFixed(2)) // 1.52 ——> 期望为:1.53
console.log(1.515.toFixed(2)) // 1.51 ——> 期望为:1.52
console.log(1.505.toFixed(2)) // 1.50 ——> 期望为:1.51
精度丢失的原因
计算机内部实际上只能 存储/识别 二进制
,因此 文档、图片、数字 等都会被转换为 二进制,而对于数字而言,虽然我们看到的是 十进制 的表示结果,但实际上会底层会进行 十进制 和 二进制 的相互转换,而这个转换过程就有可能会出现 精度丢失,因为十进制转二进制后可能产生 无限循环 部分,而 实际存储空间是有限的。
IEEE 754 标准
Javascript
中的数字存储使用了 IEEE 754 中规定的 双精度浮点数 数据类型,双精度浮点数使用 64 位(8 字节)
来存储一个 浮点数,可以表示二进位制的 53 位
有效数字,即 (0-52 位为 1)
111...111 = (53 位为 1,0-52 位为 0)
1000...000 - 1,也就是 2^53 - 1,而这也就是 JavaScript 中 Number.MAX_SAFE_INTEGER(+ 9007199254740991)
对应的值。
双精度浮点数的组成
双精度浮点数(double)
由如下几部分组成:
sign
符号位,0 为正,1 为负占 1bit,在 63 位
exponent
指数部分,表示 2 的几次方占 11bit,在 52-62 位
指数 采用 偏移码表示法,即将 指数的真实值
e
加上一个 偏移量,然后得到 阶码(即计算结果)并将其表示为 二进制数其中 偏移量 =
(2^n-1) - 1
,n 是 指数的位数(即n = 11
),因此偏移量为Math.pow(2, 11-1) - 1 = 1023
阶码
E
= 指数真值e
+ 偏移码(2^n-1) - 1
-
mantissa
尾数部分,表示浮点数的精度 占 52bit,在 0-51 位
尾数采用 隐式 的方式表示,即在尾数的 最高位上 总是隐含着一个 1,并且隐藏在 小数 点的左边 (即 1 < 尾数 < 2),因此尾数的有效位数为 53 位,而不是 52 位
十进制浮点数的存储过程
有了上面的公式,接下来我们来演示一下一个十进制浮点数是如何以 双精度浮点数 的形式被存储到计算机中的,其大致分为如下两步:
十进制转二进制
分别对整数部分和小数部分的十进制转化为二进制
求出 sign、exponent、mantissa 的值
下面我们通过 263.3 这个数值来演示。
十进制转二进制
分别将 263.3 的 整数部分 263 和 小数部分 0.3 转为对应的 二进制数,这里你可以使用便捷的 在线转换工具
,也可选择手动计算:
整数部分 转 二进制
一直 除以 2 直到余数为 0 或 出现循环,然后 从下往上 将每次的余数进行组合即可
小数部分 转 二进制
一直 乘以 2 直到乘积为 1 或 出现循环,然后 从上往下 将每次的乘积的 整数位 进行组合即可
最终得到的结果就是 263.3(10
) 对应的 二进制 为 100000111.010011001...
求出 sign、exponent、mantissa 的值
求 sign
其中 sign 为符号位,且 263.3(
10
) 为正数,因此 sign = 0求 exponent
根据公式 (-1)^S
x
(1. M)x
2^(E-1023) 可知,其中的 尾数 要符合 1. M 的形式,因此 100000111.010011001... 中小数点需要往左移动 8位 变成 1.00000111 010011001 ...其中的 8 就是 指数真值,但在实际存储时是存 阶码的二进制,根据公式 阶码 = 指数真值(8) + 偏移量(1023),即 阶码 = 1031,所以 exponent 值就为 1031 的二进制:10000000111
求 mantissa
根据上一步的 1.00000111 010011001 ... 很容易知道尾数 mantissa = 00000111 010011001 ...
最终存储形式
Number.prototype.toFixed 的舍入
关于这个方法的舍入方式,目前最多的说法就是 银行家算法 ,的确在大多情况下确实能够符合 银行家算法 的规则,但是部分情况就并不符合其规则,因此严格意义上来讲 Number.prototype.toFixed 并不算是使用了 银行家算法
,如果你要问为什么,请看 ECMAScript® 2024 Language Specification (tc39.es)
,在下文都会提及。
银行家算法
所谓银行家算法用一句话概括为:
四舍六入五考虑,五后
有数 就进一
,五后
无数 看 奇偶
,五前
为偶当 舍去
,五后
为奇要 进一
四舍 指保留位后的 数值 < 5 应
舍去
,4 只是个代表值六入 指保留位后的 数值 > 5 应
进一
,6 只是个代表值若保留位后的 数值 = 5,看 5 后 是否有数
若 5 后 无数,则看 5 前 的数值的 奇偶 来判断
若 5 前 的数值为 偶数,则 舍去
若 5 前 的数值为 奇数,则 进一
若 5 后 有数,则 进一
用例子来验证一下:
// 四舍
(1.1341).toFixed(2) = '1.13'
// 六入
(1.1361).toFixed(2) = '1.14'
// 五后 有数 ,进一
(1.1351).toFixed(2) = '1.14'
// 五后 无数,看奇偶,五前为 3 奇数,进一
(1.1350).toFixed(2) = '1.14'
// 五后 无数,看奇偶,五前为 0 偶数,舍去
(1.1050).toFixed(2) = '1.10'
看起来没有问题是吧!
// 五后 有数,应进一
(1.1051).toFixed(2) = 1.11 (正确 √)
(1.105).toPrecision(17) = '1.1050000000000000' // 精度
// 五后 无数,看奇偶,五前为 0 偶数,应舍去
(1.105).toFixed(2) = 1.10 (正确 √)
// 五后 无数,看奇偶,五前为 2 偶数,应舍去
(1.125).toFixed(2) = 1.13 (不正确 ×)
1.125.toPrecision(17) = '1.1250000000000000' // 精度
// 五后 无数,看奇偶,五前为 4 偶数,应舍去
(1.145).toFixed(2) = 1.15 (不正确 ×)
1.145.toPrecision(17) = '1.1450000000000000' // 精度
// 五后 无数,看奇偶,五前为 6 偶数,应舍去
(1.165).toFixed(2) = 1.17 (不正确 ×)
1.165.toPrecision(17) = '1.1650000000000000' // 精度
// 五后 无数,看奇偶,五前为 8 偶数,应舍去
(1.185).toFixed(2) = 1.19 (不正确 ×)
1.185.toPrecision(17) = '1.1850000000000001' // 精度
ECMAScript 定义的 toFixed 标准
一眼望上去是不是觉得看不懂,那么这里就来尝试解释一下这个标准的内容吧(掺杂个人理解
)!
让 x = 目标数字,如:
(1.145).toFixed(2)
中x = 1.1245
让 f = 参数,如:
(1.145).toFixed(2)
中f = 2
若 f =
undefined
,即 未传参,则将 f = 0若 f =
Infinite
,即传入了 无穷值,则抛出 RangeError 异常若 f <
0
或 f >100
,即传入了不在0 - 100
之间的值,则抛出 RangeError 异常若 x =
Infinite
,即想要对 非准确值 保留位操作,则返回其 字符串形式例如,
Infinity.toFixed(2) = 'Infinity'
、NaN.toFixed(2) = 'NaN'
让 x = 计算机所能表示的数学值 ℝ(x)
从 数字 或 BigInt x 到 数学值 的转换表示为
x 的数学值
,或ℝ(x)
让 返回值符号 s = '',即为符号定义 初始值
若 x <
0
,则将 s ='-'
,并将 x =-x
若 x ≥
10^21
,则 返回值 m =x
对应的科学计数法
表示的字符串
若 x <
10^21
,则a. 让 n =
一个整数
,其中n / 10^f - x
尽可能接近于0
,如果有两个这样的 n,选择 较大的 nb. 若 n =
整数 0
,则 m ="0"
,否则,m = 由n
的十进制
表示形式的数字组成的字符串值(按顺序,不带前导零)
c. 若 指数 f ≠
0
,则 k =m.length
- 若 k ≤ f,则
- z = 由代码单元0x0030(DIGIT ZERO)
的f+1-k
次出现组成的字符串
- m = z + m
- k = f + 1
- 让 a = m
的第一个 k-f
码单元
- 让 b = m
的其它 f
个编码单元
- 将 m = a + "." + b
12. 返回 s + m 组成的字符串
看不懂?那就挑懂的地方看
不多说了,还是用 (1.125).toFixed(2) = 1.13 举个栗子吧!
根据上述规范初始 x = 1.125,f = 2,s = ''
根据规范 7 可知 x =
1.125.toPrecision(53)
= 1.125根据规范 11.a 提供的公式:
n / 10^f - x ≈ 0
代入计算:n ≈ 112.5
:此时最接近
n
的 整数 有 两个 值为110
和112
,按标准取最大的113
在按 11.c 的规范得到
m = 1.13
最终返回
s + m= 1.13
还不会,再来个 (-1.105).toFixed(2) = -1.10 的栗子吧!
根据上述规范初始 x = 1.105,f = 2,s = '-'
根据规范 7 可知 x =
(-1.105).toPrecision(53)
= 1.10499...根据规范 11.a 提供的公式:
n / 10^f - x ≈ 0
代入计算:n ≈ 110.4...
:此时最接近
n
的 整数 只有 一个 值为110
(因为只有小数点后为 5 时,向上 / 向下 取整才会有两种情况)在按 11.c 的规范得到
m = 1.10
最终返回
s + m= -1.13
如何解决前端数值的精度问题?
虽然知道了 精度丢失 的原因,也知道了 toFixed 舍入 的逻辑,但是实际上在进行计算时,我们还是希望按照实际看到的数值来进行计算或舍入,而不是底层转换过的值。
使用第三方库
需要的自行查阅:
math.js
big.js
bignumber.js
decimal.js
思路扩展
浮点数计算
浮点数在 JavaScript
中经底层转换后可能会有精度丢失,但是 安全范围内的整数 却不会丢失,那么我们就可以先将 浮点数 转成 整数 进行计算后,再将计算结果成为浮点数。
以 0.1 + 0.2 = 0.30000000000000004 举个例子,如下:
原式:0.1 + 0.2 = x
扩大
10
倍:0.1 * 10 + 0.2 * 10 = 10 * x变式:10 * x = 3
结果:x = 0.3
超过最值
前面提到的 后端返回 或 前端计算 产生的超过 安全范围的值,我们可以使用 BigInt 来处理,这是新增的原始值类型,它提供了一种方法来表示 大于 2^53 - 1
的整数。
保留指定小数位
既然 Number.prototype.toFixed() 的舍入方法并不是我们需要的,那么我们可以直接将其重写成符合的即可,例如:
Number.prototype.toFixed=function (d) {
var s=this+"";
if(!d)d=0;
if(s.indexOf(".")==-1)s+=".";
s+=new Array(d+1).join("0");
if(new RegExp("^(-|\\+)?(\\d+(\\.\\d{0,"+(d+1)+"})?)\\d*$").test(s)){
var s="0"+RegExp.$2,pm=RegExp.$1,a=RegExp.$3.length,b=true;
if(a==d+2){
a=s.match(/\d/g);
if(parseInt(a[a.length-1])>4){
for(var i=a.length-2;i>=0;i--){
a[i]=parseInt(a[i])+1;
if(a[i]==10){
a[i]=0;
b=i!=1;
}else break;
}
}
s=a.join("").replace(new RegExp("(\\d+)(\\d{"+d+"})\\d$"),"$1.$2");
}if(b)s=s.substr(1);
return (pm+s).replace(/\.$/,"");
}return this+"";
}
最后
以上就是本文的全部内容了,由于涉及到部分内容 计网 相关内容,所以可能理解起来会比较吃力,但是跨过这道坎也就没那么难理解了。
希望本文对你有所帮助!!!
下方加 Nealyang 好友回复「 加群」即可。
如果你觉得这篇内容对你有帮助,我想请你帮我2个小忙: