尝试此轻量级解决方案：

function round(x, digits){
  return parseFloat(x.toFixed(digits))
}

 round(1.222,  2);
 // 1.22
 round(1.222, 10);
 // 1.222

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））；

parseFloat（“1.555”）.toFixed（2）；//返回1.55而不是1.56。

1.55是绝对正确的结果，因为在计算机中不存在1.555的精确表示。如果读数为1.555，则四舍五入至最接近的值=1.55499999999999994（64位浮点）。将这个数字四舍五入到Fixed（2）得到1.55。

如果输入为1.55499999999999，则此处提供的所有其他功能都会给出故障结果。

解决方案：在扫描前加上数字“5”，将数字舍入（更准确地说，从0开始舍入）。仅当数字真的是浮点（有小数点）时才执行此操作。

parseFloat("1.555"+"5").toFixed(2); // Returns 1.56

我正在构建一个简单的tipCalculator，这里有很多答案似乎使问题过于复杂。所以我发现总结这个问题是真正回答这个问题的最佳方式。

如果要创建舍入的十进制数，首先调用Fixed（要保留的小数位数），然后将其包装在number（）中。

最终结果是：

let amountDue = 286.44;
tip = Number((amountDue * 0.2).toFixed(2));
console.log(tip)  // 57.29 instead of 57.288

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。

自从ES6以来，有一种“正确”的方法（不覆盖静态数据和创建变通方法）可以通过使用toPrecision来实现这一点

变量x=1.49999999999；console.log（x.toPrecision（4））；console.log（x.toPrecision（3））；console.log（x.toPrecision（2））；var y=数学PI；console.log（y.toPrecision（6））；console.log（y.toPrecision（5））；console.log（y.toPrecision（4））；变量z=222.987654console.log（z.toPrecision（6））；console.log（z-toPrecision（5））；console.log（z-toPrecision（4））；

然后你可以解析Float，零将“消失”。

console.log（parseFloat（（1.4999）.toPrecision（3）））；console.log（parseFloat（（1.005）.toPrecision（3）））；console.log（parseFloat（（1.0051）.toPrecision（3）））；

但它并不能解决“1.005舍入问题”，因为它是浮点分数处理过程中的固有问题。

控制台日志（1.005-0.005）；

如果您对库开放，可以使用bignumber.js

控制台日志（1.005-0.005）；console.log（新BigNumber（1.005）.减（0.005））；console.log（新BigNumber（1.005）.round（4））；console.log（新BigNumber（1.005）.round（3））；console.log（新BigNumber（1.005）.round（2））；console.log（新BigNumber（1.005）.rround（1））；<script src=“https://cdnjs.cloudflare.com/ajax/libs/bignumber.js/2.3.0/bignumber.min.js“></script>