我在MDN上找到了这个。他们的方法避免了前面提到的1.005的问题。

函数roundToTwo（num）{return+（数学舍入（num+“e+2”）+“e-2”）；}console.log（“1.005=>”，roundToTwo（1.005））；console.log（'10=>'，roundToTwo（10））；console.log（'1.7777777=>'，roundToTwo（1.7777777））；console.log（'9.1=>'，roundToTwo（9.1））；console.log（'1234.5678=>'，roundToTwo（1234.5678））；

我回顾了这篇文章的每一个答案。以下是我对此事的看法：

常量nbRounds=7；常量舍入=（x，n=2）=>{常量精度=数学.pw（10，n）return数学舍入（（x+Number.EPSILON）*precision）/精度；}设i=0；而（nbRounds>i++）{console.log（“round（1.00083899，”，i，“）>”，round（1.00 08389，i））console.log（“圆形（1.83999305，”，i，“）>”，圆形（1.83999305，i））}

我仍然不认为有人给他答案，告诉他如何在需要时只进行舍入。我认为最简单的方法是检查数字中是否有小数，如下所示：

var num = 3.21;
if ( (num+"").indexOf('.') >= 0 ) { //at least assert to string first...
    // whatever code you decide to use to round
}

要不处理许多0，请使用以下变体：

Math.round(num * 1e2) / 1e2

所有浏览器和精度的通用答案：

function round(num, places) {
    if(!places) {
        return Math.round(num);
    }

    var val = Math.pow(10, places);
    return Math.round(num * val) / val;
}

round(num, 2);

您应该使用：

Math.round( num * 100 + Number.EPSILON ) / 100

似乎没有人知道数字EPSILON。

此外，值得注意的是，这并不像某些人所说的那样是JavaScript的怪异之处。

这就是浮点数在计算机中的工作方式。与99%的编程语言一样，JavaScript没有自制的浮点数；它依赖于CPU/FPU。计算机使用二进制，在二进制中，没有像0.1这样的数字，而只是二进制的近似值。为什么？出于同样的原因，1/3不能用十进制写：它的值是0.33333333……无穷大为三。

这里是Number.EPSILON。这个数字是1和双精度浮点数字中存在的下一个数字之间的差值。就是这样：在1和1+number.EPSILON之间没有数字。

编辑：

正如评论中所问的，让我们澄清一件事：添加Number.EPSILON仅当要舍入的值是算术运算的结果时才相关，因为它可以吞下一些浮点误差增量。

当值来自直接来源（例如：文字、用户输入或传感器）时，它不起作用。

编辑（2019）：

像@maganap和一些人指出的那样，最好在相乘之前加上Number.EPSILON：

Math.round( ( num + Number.EPSILON ) * 100 ) / 100

编辑（2019年12月）：

最近，我使用了一个类似于此的函数来比较epsilon感知的数字：

const ESPILON_RATE = 1 + Number.EPSILON ;
const ESPILON_ZERO = Number.MIN_VALUE ;

function epsilonEquals( a , b ) {
  if ( Number.isNaN( a ) || Number.isNaN( b ) ) {
    return false ;
  }
  if ( a === 0 || b === 0 ) {
    return a <= b + EPSILON_ZERO && b <= a + EPSILON_ZERO ;
  }
  return a <= b * EPSILON_RATE && b <= a * EPSILON_RATE ;
}

我的用例是我多年来开发的断言+数据验证库。

事实上，在代码中，我使用的是ESPILON_RATE=1+4*数字.EPSILON和EPSILON_ZERO=4*数字.MIN_VALUE（四倍于EPSILON），因为我想要一个足够宽松的等式检查器来累积浮点错误。

到目前为止，它看起来很适合我。我希望这会有所帮助。