我有以下虚拟测试脚本：
函数测试（）{变量x=0.1*0.2；document.write（x）；}测试（）；
这将打印结果0.020000000000000004，而它应该只打印0.02（如果您使用计算器）。据我所知，这是由于浮点乘法精度的错误。
有没有人有一个好的解决方案，在这种情况下，我得到了正确的结果0.02？我知道还有一些函数，比如toFixed或舍入，这是另一种可能，但我真的希望在不进行任何切割和舍入的情况下打印整个数字。我只是想知道你们中的一个人是否有一些好的、优雅的解决方案。
当然，否则我会舍入到10位数左右。
当前回答
使用以下功能输出：
var toFixedCurrency = function(num){
var num = (num).toString();
var one = new RegExp(/\.\d{1}$/).test(num);
var two = new RegExp(/\.\d{2,}/).test(num);
var result = null;
if(one){ result = num.replace(/\.(\d{1})$/, '.$10');
} else if(two){ result = num.replace(/\.(\d{2})\d*/, '.$1');
} else { result = num*100; }
return result;
}
function test(){
var x = 0.1 * 0.2;
document.write(toFixedCurrency(x));
}
test();
注意FixedCurrency（x）的输出。
其他回答
您正在寻找JavaScript的sprintf实现，这样您就可以以期望的格式写出带有小错误的浮点数（因为它们是以二进制格式存储的）。
试试javascript sprintf，你可以这样称呼它：
var yourString = sprintf("%.2f", yourNumber);
将数字打印为带有两个小数点的浮点数。
如果您不希望仅为浮点舍入到给定精度而包含更多文件，也可以使用Number.toFixed（）进行显示。
注意，对于一般用途，这种行为可能是可以接受的。当比较这些浮点值以确定适当的操作时，会出现问题。随着ES6的出现，定义了一个新的常数Number.EPSILON来确定可接受的误差容限：所以不要像这样进行比较
0.1 + 0.2 === 0.3 // which returns false
您可以定义自定义比较函数，如下所示：
function epsEqu(x, y) {
return Math.abs(x - y) < Number.EPSILON;
}
console.log(epsEqu(0.1+0.2, 0.3)); // true
资料来源：http://2ality.com/2015/04/numbers-math-es6.html#numberepsilon
var times = function (a, b) {
return Math.round((a * b) * 100)/100;
};
---或---
var fpFix = function (n) {
return Math.round(n * 100)/100;
};
fpFix(0.1*0.2); // -> 0.02
---此外---
var fpArithmetic = function (op, x, y) {
var n = {
'*': x * y,
'-': x - y,
'+': x + y,
'/': x / y
}[op];
return Math.round(n * 100)/100;
};
---如中所示---
fpArithmetic('*', 0.1, 0.2);
// 0.02
fpArithmetic('+', 0.1, 0.2);
// 0.3
fpArithmetic('-', 0.1, 0.2);
// -0.1
fpArithmetic('/', 0.2, 0.1);
// 2
你只是在做乘法吗？如果是这样的话，那么你可以利用一个关于十进制算术的简单秘密。即NumberOfDecimals（X）+NumberOfDecimals（Y）=预期的NumberOf小数。也就是说，如果我们有0.123*0.12，那么我们知道会有5位小数，因为0.123有3位小数，0.12有2位小数。因此，如果JavaScript给我们一个像0.014760000002这样的数字，我们可以安全地四舍五入到小数点后的第五位，而不用担心丢失精度。
我喜欢佩德罗·拉达里亚的解决方案，并使用类似的方法。
function strip(number) {
return (parseFloat(number).toPrecision(12));
}
与Pedros解决方案不同，这将向上取整0.999……重复，并精确到最低有效位数的正负一。
注意：当处理32位或64位浮点时，应该使用toPrecision（7）和toPrecision（15）以获得最佳结果。有关原因的信息，请参阅此问题。
