在写网页表单验证或者做价格计算时，你可能遇到过这种奇怪的情况：JavaScript 里 0.1 + 0.2 === 0.3 居然返回 false。这并不是程序出错，而是浮点数精度问题带来的常见陷阱。
浮点数的存储原理
计算机用二进制表示数字，但像 0.1 这样的十进制小数，在二进制中是无限循环的（就像 1/3 在十进制中是 0.333…），所以只能近似存储。这就导致了微小的舍入误差。
比如在 JavaScript 中执行：
console.log(0.1 + 0.2); // 输出：0.30000000000000004这个结果和 0.3 看起来几乎一样，但严格相等比较会失败。
别用 == 或 === 直接比较浮点数
直接使用全等或相等判断两个浮点数是否“相同”，很容易翻车。比如在电商网站计算总价时，用户看到的价格是 0.3 元，但系统算出来是 0.30000000000000004，若直接比对就会误判为不一致。
正确做法是引入一个“误差范围”，也就是常说的“容差”（epsilon）。
使用容差进行安全比较
我们可以定义一个很小的值，比如 Number.EPSILON，它表示 JavaScript 中可表示的最小差异。然后判断两个数的差是否在这个范围内：
function floatEqual(a, b) {
return Math.abs(a - b) < Number.EPSILON;
}
floatEqual(0.1 + 0.2, 0.3); // true不过注意，Number.EPSILON 只适用于接近 1 的数值范围。当处理更大或更小的数时，误差范围也需要相应调整。
按需设定相对误差
对于较大的数值，建议使用相对误差判断：
function approxEqual(a, b, tolerance = 1e-10) {
const diff = Math.abs(a - b);
const max = Math.max(Math.abs(a), Math.abs(b));
return diff <= tolerance * max;
}
approxEqual(0.1 + 0.2, 0.3); // true
approxEqual(1000000.1 + 1000000.2, 2000000.3); // 依然可靠这种方式能适应不同数量级的数值，避免因尺度变化导致判断失效。
实际应用场景
比如你在做一个前端计算器，用户输入 0.1 + 0.2，期望看到等于 0.3 的提示。如果不加容差处理，后台返回的结果哪怕只差亿分之一，也会让“结果正确”的判断失败。
又比如地图应用中判断两个坐标点是否重合，经纬度常以浮点数存储，直接比较可能漏判。加入容差后，就能合理识别“视觉上重合”的点。
其他语言也需注意
这个问题不限于 JavaScript。Python、Java、C++ 等语言都面临同样的浮点精度挑战。例如 Python 中也有：
print(0.1 + 0.2 == 0.3) # False解决思路类似：避免直接相等判断，改用区间或专用函数。Python 的 math.isclose() 就是为此设计的。
小技巧：转整数避坑
在金额计算这类场景中，一个简单粗暴但有效的办法是统一用“分”代替“元”。比如 0.1 元存成 10 分，全程用整数运算，最后再格式化显示。这样彻底绕开浮点数问题。
比如：
const total = 10 + 20; // 代表 0.1元 + 0.2元
const display = (total / 100).toFixed(2); // '0.30'虽然损失了一点语义清晰性，但在关键业务中非常实用。