从0.1 + 0.2 !== 0.3 聊聊计算机基础

[dravenww]

表面工作

在日常的工作和学习中，经常会探测自己的底线，计算机基础好与不好，完全能够决定一个人的代码水平和bug出现率。相信大家对这些知识都学过，只是长时间不用就忘记了，今天带大家来回顾一下。

本着通俗易懂的原则，今天把这个题目讲明白。

我们来聊聊这个非常常规的问题，为什么 0.1 + 0.2 !== 0.3.在正式介绍这个问题之前，需要了解下面几
个前置知识。

• 计算机二进制的表现形式以及二进制的计算方式？
• 什么是原码、补码、反码、移码，都是用来做什么的？

差不多这几个就够理解这个常规的 0.1 + 0.2 !== 0.3问题了。

第一个前置知识，二进制

我们知道在日常中，有很多种数据的展现，包括我们日常生活中常规使用的10进制、css中表示颜色的16进制、计算机中进行运算的二进制。

二进制的表现形式

在计算机中的计算都是以二进制的形式进行计算的，也就是全都是0或1来表示数字的，我们拿10进制进行举例，如：

• 10进制的 1 在计算机中表示为 1
• 10进制的 2 在计算机中表示为 10
• 10进制的 8 在计算机中表示为 1000
• 10进制的 15 在计算机中表示为 1111

二进制的计算方式

对于二进制的计算方式，我们分为两种情况来说，一种是整数的计算，一种为小数的计算。

整数部分的二进制计算

我们先说明10进制如何转化为二进制。10进制转化为二进制的方式称为“除 2 取余法”，即把一个10进制数，一直除以2取其余数位。举两个例子

30 % 2 ········· 0
15 % 2 ········· 1
 7 % 2 ········· 1
 3 % 2 ········· 1
 1 % 2 ········· 1
 0

整数的二进制转换是从下往上读的，所以30的二进制表示即为11110.

100 % 2 ········· 0
 50 % 2 ········· 0
 25 % 2 ········· 1
 12 % 2 ········· 0
  6 % 2 ········· 0
  3 % 2 ········· 1
  1 % 2 ········· 1
  0

整数的二进制转换是从下往上读的，所以100的二进制表示即为1100100.

我还专门写了一个函数来转换这个二进制。

function getBinary(number) {
  const binary = [];
  function execute(bei) {
    if (bei === 0) {
      return ;
    }
    const next = parseInt(bei / 2, 10);
    const yu = bei % 2;
    binary.unshift(yu);
    execute(next);
  }
  execute(number);
  return binary.join('');
}
console.log(getBinary(30)); // 11110
console.log(getBinary(100)); // 1100100

接下来，我们再看看怎么把二进制转换成10进制。通俗点讲就是从右到左用二进制的每个数去乘以2的相应次方并递增。举个例子，拿上面的100举例子吧。100的二进制表示为1100100，我们需要做的是：

1100100
= 1 * 2^6 + 1 * 2^5 + 0 * 2^4 + 0 * 2^3 + 0 * 2^2 + 0 * 2^1 + 0 * 2^0
= 100

简单明了，不用多说，看下实现代码：

function getDecimal(binary) {
  let number = 0;
  for (let i = binary.length - 1; i >= 0; i--) {
    const num = parseInt(binary[binary.length - i - 1]) * Math.pow(2, i);
    number += num;
  }
  return number;
}
console.log(getDecimal('11110')); // 30
console.log(getDecimal('1100100')); // 100

小数部分的二进制计算

小数部分的二进制计算与整数部分的二进制计算不同，十进制的小数转化为二进制的小数的计算方式称为“乘二取整法”，即把一个十进制的小数乘以2然后取其整数部分，直到其小数部分为0为止。看个例子:

0.0625 * 2 = 0.125 ········· 0
 0.125 * 2 = 0.25  ········· 0
  0.25 * 2 = 0.5   ········· 0
   0.5 * 2 = 1.0   ········· 1

且小数部分的读取方向也不一样。小数的二进制转换是从上往下读的，所以0.0625的二进制表示即为0.0001，这个是正好能够除尽的情况，很多情况下是除不尽的，例如题目中的0.1和0.2。写个函数转换下：

function getBinary(number) {
  const binary = [];
  function execute(num) {
    if (num === 0) {
      return ;
    }
    const next = num * 2;
    const zheng = parseInt(next, 10);
    binary.push(zheng);
    execute(next - zheng);
  }
  execute(number);
  return '0.' + binary.join('');
}
console.log(getBinary(0.0625)); // 0.0001

再尝试把二进制的小数转换为十进制的小数，因为上面是乘，所以在这边就是除法了，二进制的除法也是可以表示为负指数幂的乘法的，比如1/2 = 2^-1；我们来看下0.0001怎么转换为0.0625:

0.0001
= 0 * 2^-1 + 0 * 2^-2 + 0 * 2^-3 + 1 * 2^-4
= 0.0625

用函数来实现下这个形式吧。

function getDecimal(binary) {
  let number = 0;
  let small = binary.slice(2);
  for (let i = 0; i < small.length; i++) {
    const num = parseInt(small[i]) * Math.pow(2, 0 - i - 1);
    number += num;
  }
  return number;
}
console.log(getDecimal('0.0001')); // 0.0625

二进制转换这一部分我们就先了解到这里，对于 0.1 + 0.2 !== 0.3这个问题，上面的二进制部分，基本是足够了。当然代码部分仅作参考，边界等问题没有做处理...

做个题巩固一下：

18.625 的二进制表示是什么 ？？？ => 点击查看详情

    18的二进制表示为: 100010
    0.625的二进制表示为: 0.101
    所以18.625的二进制表示为：100010.101
  

第二个前置知识，计算机码

我们知道，计算机中是使用二进制来进行计算的，讲到计算机码，就不得不提 IEEE标准，而涉及到小数部分的运算就不得不提到 IEEE二进位浮点数算术标准的标准编号(IEEE 754)。其标准的二进制表示为

V = (-1)^s * M * 2^E

• 其中s为符号位，0为正数，1为负数；
• M为尾数，是一个二进制小数，其中规定第一位只能是1，1和小数点省略；
• E为指数，或者称为阶码

为什么1和小数位要省略呢？因为所有的第一位都为1，省略后可以再末尾再多一位，增加精确度。如果第一位为0的话，那没有任何意义。

一般来说，现在的计算机都支持两种精度的计算浮点格式。一种为单精度(float)，一种为双精度(double)。

格式	符号位	尾数	阶码	总位数	偏移值
单精度	1	8	23	32	127
双精度	1	11	52	64	1023

以JavaScript为例，js中使用的是双精度格式来进行计算的，其浮点数是64位。

原码

什么是原码，原码是最简单的，就是符号位加上真值的绝对值, 即用第一位表示符号, 其余位表示值。我们用11位表示如下：

• +1 = [000 0000 0001]原
• -1 = [100 0000 0001]原
  因为第一位是符号位，所以其取值区间为[111 1111 1111, 011 1111 1111] = [-1023, 1023];

反码

什么是反码，反码是在原码的基础上进行反转。正数的反是其本身；负数的反码是符号位不变，其余位取反。

• +1 = [000 0000 0001]原 = [000 0000 0001]反
• -1 = [100 0000 0001]原 = [111 1111 1110]反

补码

什么是补码，补码是在反码的基础上补位。正数的补码是其本身，负数的补码是在其反码的基础上，再加1.

• +1 = [000 0000 0001]原 = [000 0000 0001]反 = [000 0000 0001]补

• -1 = [100 0000 0001]原 = [111 1111 1110]反 = [111 1111 1111]补
  为什么会有补码这玩意呢？

• 首先在计算机中是没有减法的，都是加法，比如 1 - 1 在计算机中是 1 + (-1).

• 如果使用原码进行减法运算：

  1 + (-1) = [000 0000 0001]原 + [100 0000 0001]原 
           = [100 0000 0010]原 
           = -2
  

  ===>>> 结论：不对

• 为解决这个不对的问题于是就有了反码去做减法：

  1 + (-1) = [000 0000 0001]反 + [111 1111 1110]反 
           = [111 1111 1111]反 
           = [100 0000 0000]原 
           = -0
  

  发现值是正确的，只是符号位不对；虽然+0和-0在理解上是一样的，但是0带符号是没有意义的，况且会出现 [000 0000 0000]原 和 [100 0000 0000]原 两种编码方式。

  ===>>> 结论：不大行

• 为解决上面这个符号引起的问题，就出现了补码去做减法：

  1 + (-1) = [000 0000 0001]补 + [111 1111 1111]补 
           = [000 0000 0000]补 
           = [000 0000 0000]原 
           = 0
  

  这样得到的结果就是完美的了，0用 [000 0000 0000] 表示，不会出现上面 [100 0000 0000]。

  ===>>> 结论：完美

移码

移码，是由补码的符号位取反得到的，一般用做浮点数的阶码，引入的目的是为了保证浮点数的机器零为全0。这个不分正负。

• +1 = [000 0000 0001]原 = [000 0000 0001]反 = [000 0000 0001]补 = [100 0000 0001]移
• -1 = [100 0000 0001]原 = [111 1111 1110]反 = [111 1111 1111]补 = [011 1111 1111]移
  细心一点可以发现规律：
• +1 = [000 0000 0001]原 = [100 0000 0001]移
• -1 = [100 0000 0001]原 = [011 1111 1111]移

为什么 0.1 + 0.2 !== 0.3 ?

回到我们的题目，我们来看下为什么 0.1 + 0.2 !== 0.3.来看下0.1和0.2的二进制表示。

0.1 = 0.0 0011 0011 0011 0011 0011 0011 0011 0011 0011 .... 0011无限循环
0.2 =  0. 0011 0011 0011 0011 0011 0011 0011 0011 0011 .... 0011无限循环

可以得知0.1和0.2都是一个0011无限循环的二进制小数。

我们由上面知道，JavaScript中的浮点数是64位来进行表示的，那么0.1和0.2是在计算机中又是如何表示的呢？

0.1 = (-1)^ 0 * 1.1 0011 0011 0011 * 2^(-4)
-4 = 10 0000 0100

根据IEEE 754标准可以得知：

V = (-1)^S * M * 2^E
S = 0  // 1位，正数为0，负数为1
E = [100 0000 0100]原 // 11位
  = [111 1111 1011]反 
  = [111 1111 1100]补 
  = [011 1111 1100]移 
M = 1001 1001 1001 1001 1001 1001 1001 1001 1001 1001 1001 1001 1001 // 52位(其中1小数点省略)

同理可知0.2的表示：

0.2 = (-1)^ 0 * 1.1 0011 0011 0011 * 2^(-3)
-4 = 100 0000 0011

V = (-1)^S * M * 2^E
S = 0  // 1位，正数为0，负数为1
E = [100 0000 0011]原 // 11位
  = [111 1111 1100]反 
  = [111 1111 1101]补 
  = [011 1111 1101]移
M = 1001 1001 1001 1001 1001 1001 1001 1001 1001 1001 1001 1001 1001 // 52位(其中1小数点

两者相加，阶码不相同，我们需要进行对阶操作。

对阶

对阶就会存在尾数移动的情况。

• 大的阶码向小的阶码看齐，就需要把大的阶码的数的尾数向左移动，此时就有可能在移位过程中把尾数的高位部分移掉，这样就引发了数据的错误。这是不可取的
• 小的阶码向大的阶码看齐，就需要把小的阶码的数向右移动，高位补0；这样就会把右边的数据给挤掉，这样也就导致了会影响数据的精度，但是不会影响数据的整体大小。

计算机采取的是后者，小看大的办法。这也就是今天这个问题产生的原因，丢失了精度。

那么接下来，我们就看看上面的这个移动。

// 0.1
E = [100 0000 0011]原 = [111 1111 1100]反 = [111 1111 1101]补 // 11位, 对阶后
M = 1001 1001 1001 1001 1001 1001 1001 1001 1001 1001 1001 1001 1001 // 移动前
M = 0100 1100 1100 1100 1100 1100 1100 1100 1100 1100 1100 1100 1100 // 移动后
// 0.2 保持不变
E = [100 0000 0011]原 = [111 1111 1100]反 = [111 1111 1101]补 // 11位，不变
M = 1001 1001 1001 1001 1001 1001 1001 1001 1001 1001 1001 1001 1001 // 52位，不变

如上就是二进制中0.1和0.2的对阶后的结果，我们对这个数字进行运算比较麻烦，所以我们直接拿0.1和0.2的真值进行计算吧。

真值计算

0.1 = 0.0 0011 0011 0011 0011 0011 0011 0011 0011 0011 .... 0011无限循环
0.2 = 0. 0011 0011 0011 0011 0011 0011 0011 0011 0011 .... 0011无限循环
0.1 + 0.2
    = 0.0001 1001 1001 1001 1001 1001 1001 1001 1001 1001 1001 1001 1001 (1001...舍弃)
    + 0.0011 0011 0011 0011 0011 0011 0011 0011 0011 0011 0011 0011 0011 (0011...舍弃)
    = 0.0100 1100 1100 1100 1100 1100 1100 1100 1100 1100 1100 1100 1100 (1100...舍弃)
    = 0.2999999999999998

这特么不对啊！！！

我们在浏览器运行的时候得到的值是：

0.1 + 0.2 = 0.30000000000000004

产生上面问题的原因，是在于计算机计算的时候，还会存在舍入的处理
如上面来看，真值计算后的值舍弃的值是1100，在计算机中还会存在舍0入1，即如下：

0.1 + 0.2
    = 0.0001 1001 1001 1001 1001 1001 1001 1001 1001 1001 1001 1001 1001 (1001...舍弃)
    + 0.0011 0011 0011 0011 0011 0011 0011 0011 0011 0011 0011 0011 0011 (0011...舍弃)
    = 0.0100 1100 1100 1100 1100 1100 1100 1100 1100 1100 1100 1100 1100 (1100...舍弃)
    = 0.0100 1100 1100 1100 1100 1100 1100 1100 1100 1100 1100 1100 1101 （入1)
    = 0.30000000000000004

到此，我们就把这部分聊明白了，如有不对之处，欢迎指出。感谢阅读。

公众号

[德莱问前端] ，欢迎关注，文章首发在公众号上面。

除每日进行社区精选文章收集外，还会不定时分享技术文章干货。

希望可以一起学习，共同进步。