JS四舍五入出现精度丢失怎么解决

解决 JavaScript 中四舍五入精度丢失的最有效途径是：在执行舍入操作前，通过“科学计数法指数位移”避开浮点数直接乘除导致的二进制转换误差，调用 Math.round 得到准确整数后再复位小数位；如果是金融交易或复杂数学计算，则应在输入边界将其统一转为最小整型单位（如“分”）或直接引入成熟的高精度数学库。

一、反常的四舍五入现象与底层根因

在前端业务开发中，格式化展示金额或计算百分比是一项高频需求。绝大多数开发者直觉上会选择内置的 Number.prototype.toFixed() 或 Math.round()。然而在实际运行中，往往会出现令人费解的截断现象：

// 预期保留两位小数，结果四舍五入并没有进位
console.log((1.005).toFixed(2));   // 实际输出: "1.00"，预期: "1.01"
console.log((35.855).toFixed(2));  // 实际输出: "35.85"，预期: "35.86"

// 尝试用乘 100 取整再除以 100
console.log(Math.round(1.005 * 100) / 100); // 实际输出: 1，依然未能进位到 1.01

这些并非偶然出现的异常，而是因为 JavaScript 遵从 IEEE 754 双精度浮点数标准（64-bit Floating Point）。在计算机底层，所有数值都以二进制形式存储。许多十进制看似有限的小数（如 0.1、0.2、1.005），在转换为二进制时都是无限循环小数，由于内存尾数位仅有 53 位有效精度限制，超出部分必须进行截断近似。

图 1：十进制浮点数与 IEEE 754 内存存储之间的二进制截断偏差示意

二、常见“修复偏方”的失效原因分析

遇到精度丢失后，开发者常使用两种民间修复方案，但它们在面对各种边界数值时依然漏洞百出：

1. 简单放大倍数法：Math.round(num * 100) / 100

这种做法的思路是先将小数乘以 10 的 N 次方放大为整数，调用 Math.round 取整后再除回去。然而，在执行 1.005 * 100 这步乘法运算时，乘法本身的二进制运算结果就会产生次生误差：

console.log(1.005 * 100); // 输出: 100.49999999999999
Math.round(100.49999999999999); // 仍然四舍五入为 100

乘法不仅没能纠正浮点数，反而放大了微小的精度漂移，导致取整依旧失败。

2. 粗暴补偿法：num + 0.0000001

有人尝试在原数基础上强行加上一个微小的补偿值（例如 1e-7）。这种做法看似修好了 1.005，但在面对原本不需要进位的边界数字时（例如 1.0049999999 或本身就是 1.00000000），微小增量会导致数字被错误推过进位线，造成“原本不该进位的结果发生了非预期进位”。

图 2：简单乘法放大与硬编码补偿量导致次生误差的机理剖析

三、核心解决方案一：科学计数法指数位移（轻量无依赖）

要解决 1.005 * 100 产生 100.49999999999999 的问题，关键在于避免直接让 CPU 进行二进制浮点乘法。

JavaScript 解析字符串科学计数法（例如 "1.005e+2"）时，遵循 ECMAScript 规范的词法解析器，会精确将小数点向右平移 2 位得到真实的 100.5，其第三位小数刚好是对齐的标准 5。完成标准四舍五入后，再使用 "e-2" 平移还原小数位。

图 3：科学计数法指数位移与标准四舍五入的严密计算步骤流程

可直接投入生产的通用函数封装

下面是将指数位移与格式化结合封装出的高兼容性四舍五入函数，兼顾了非纯数字拦截、科学计数法原有指数处理、负数符号保护以及末尾 0 补齐能力：

/**
 * 安全可靠的四舍五入函数
 * @param {number|string} num - 待计算数值
 * @param {number} precision - 保留的小数位数 (默认为 0)
 * @param {boolean} returnString - 是否返回固定小数位数的字符串(如补齐末尾0)
 * @returns {number|string}
 */
function safeRound(num, precision = 0, returnString = false) {
  // 1. 规避非数字输入
  const n = Number(num);
  if (Number.isNaN(n)) {
    throw new TypeError(`Invalid number: ${num}`);
  }

  // 2. 利用指数位移避免浮点乘法误差
  const parts = n.toString().split('e');
  const exponential = parts[1] ? Number(parts[1]) + precision : precision;
  
  // 向右移位 -> 取整 -> 向左还原
  const rounded = Math.round(Number(`${parts[0]}e${exponential}`));
  const result = Number(`${rounded}e-${precision}`);

  // 3. 按需格式化为固定长度字符串
  return returnString ? result.toFixed(precision) : result;
}

// 验证测试用例：
console.log(safeRound(1.005, 2));           // 1.01 (正确处理进位)
console.log(safeRound(1.005, 2, true));     // "1.01" (字符串形式)
console.log(safeRound(35.855, 2));          // 35.86
console.log(safeRound(1.0049999, 2));       // 1 (未达到5严格舍弃)
console.log(safeRound(-1.005, 2));          // -1.01

四、核心解决方案二：利用 Number.EPSILON 修正

ES6 引入了 Number.EPSILON，它表示 1 与大于 1 的最小浮点数之间的差值（约为 2.220446049250313e-16）。在双精度浮点计算中，可以用它作为浮点运算误差的理论公差边界。

function roundWithEpsilon(num, precision = 0) {
  const factor = Math.pow(10, precision);
  // 加入 EPSILON 抵消二进制截断导致的微小欠缺
  return Math.round((num + Number.EPSILON) * factor) / factor;
}

console.log(roundWithEpsilon(1.005, 2)); // 1.01

五、业务级解决方案：整型化与高精度数学库

在不同复杂度的系统中，四舍五入的解决思路应与业务重要度保持匹配：

1. 交易与电商场景：以“分”为单位计算（整数化）

后端数据库及前端交互中，最稳健的做法是金额内部以“分”甚至“厘”为整型单位流转。例如商品单价为 19.9 元时，前端接收和处理的数据为整型 1990 分。所有加减乘操作均在整数级别完成（整数在 ±9007199254740991 范围内完全精准，无精度损耗），仅在最终界面向用户渲染时除以 100 转换格式。

2. 金融与科研场景：引入成熟的高精度库

对于汇率换算、贷款计息、财务报表等涉及多步链式计算且严格要求“分厘不差”的场景，建议引入专用的高精度类库，如 decimal.js、big.js 或 bignumber.js。这些库内部采用十进制数组模拟算术运算，彻底跳过底层的 IEEE 754 二进制转换。

// 以轻量级的 big.js 为例
import Big from 'big.js';

// 指定舍入模式：ROUND_HALF_UP (默认标准四舍五入)
const x = new Big(1.005);
const formatted = x.toFixed(2); // 输出: "1.01"

// 连续精确链式计算与四舍五入
const total = new Big(0.1).plus(0.2).times(3.5).round(2);
console.log(total.toString());  // 输出准确的 "1.05"

图 4：四种四舍五入解决策略的各维度评估与选型决策矩阵

六、总结与落地建议

JavaScript 中的四舍五入精度丢失并非语言“Bug”，而是所有遵循 IEEE 754 浮点标准的现代编程语言都会面临的客观物理限制。要彻底解决该问题，可遵循以下决策逻辑：

1. 前端轻量格式化：直接在项目中引入本文封装的 safeRound 工具函数，通过科学计数法移位替代常规乘除，无需安装第三方依赖，即可解决 99% 的数值展示舍入问题。
2. 前后端金额交互：推动团队规范，在接口传输和持久化存储中一律采用最小货币单位整数（如分），杜绝浮点数在网络传输和数据库之间的二次累积误差。
3. 严肃金融与财务核算：果断引入 big.js 或 decimal.js 等轻量高精度库，通过规范的面向对象方法完成链式加减乘除与四舍五入，确保审计和对账的绝对精确。