浮点数精度问题概述
在php（以及大多数编程语言）中处理浮点数时，一个常见的困惑是：var_dump显示的值与实际比较结果不符。例如，一个变量$x经var_dump($x)输出为float(-1)，但条件if ($x < -1)却意外地评估为真。这似乎违背了数学常识，即-1不可能小于-1。这种现象的根本原因在于计算机如何存储和处理浮点数。
计算机使用二进制来表示数字，而浮点数（如float或double）通常遵循IEEE 754标准。这个标准规定了如何用有限的二进制位来近似表示实数。然而，许多十进制小数，尤其是那些无法被表示为2的幂的倒数之和的小数（例如0.1），在二进制中是无限循环的。由于存储空间的限制，这些数字只能被截断或四舍五入，从而引入微小的误差。
当进行复杂的浮点运算，特别是涉及三角函数等数学操作时，这些微小的误差会累积。即使最终结果在var_dump的默认显示精度下看起来是-1，其内部的实际值可能略小于-1，例如-1.0000000000000001。var_dump为了可读性，通常不会显示浮点数的全部精度，导致用户误以为其值是精确的-1。
示例与问题复现
考虑以下PHP代码片段，它展示了问题的核心：
function Qacos($aAngle) {
// 原始代码中此处会因精度问题导致die
// if ($aAngle < -1) {
// die($aAngle.' is lower than -1');
// }
return 180 * acos($aAngle) / M_PI;
}
function Qsin($aAngle) {
return sin(M_PI * $aAngle / 180);
}
function Qcos($aAngle) {
return cos(M_PI * $aAngle / 180);
}
// 模拟复杂计算，这些值本身就可能带有微小误差
$c = Qsin(7.5937478568555);
$d = Qsin(33.2207);
$e = Qsin(64.373047856856);
$f = Qcos(33.2207);
$g = Qcos(64.373047856856);
// 最终计算结果
$x = ($c - $d * $e) / ($f * $g);
echo "var_dump(\$x): ";
var_dump($x); // 通常显示 float(-1)
echo "sprintf('%.20f', \$x): ";
echo sprintf('%.20f', $x) . PHP_EOL; // 显示更精确的值，可能如 -1.00000000000000011102
if ($x < -1) {
echo "\$x (" . sprintf('%.20f', $x) . ") 确实小于 -1" . PHP_EOL;
} else {
echo "\$x (" . sprintf('%.20f', $x) . ") 不小于 -1" . PHP_EOL;
}
if (floatval($x) < floatval(-1)) {
echo "floatval(\$x) (" . sprintf('%.20f', floatval($x)) . ") 确实小于 floatval(-1)" . PHP_EOL;
}
if (strval($x) === strval(-1)) {
echo "strval(\$x) 等于 strval(-1)" . PHP_EOL; // 这通常不会打印，因为strval可能会截断
} else {
echo "strval(\$x) 不等于 strval(-1)" . PHP_EOL;
}运行上述代码，你可能会观察到var_dump($x)输出-1，但随后的$x < -1判断为真。通过sprintf('%.20f', $x)输出，可以揭示$x的实际值可能略小于-1，例如-1.00000000000000011102。这就是浮点数精度问题的典型表现。
立即学习“PHP免费学习笔记（深入）”；
浮点数比较的最佳实践
由于浮点数的这种不精确性，直接使用==、!=、<或>进行精确比较通常是不可靠的。为了稳健地比较浮点数，我们应该引入一个小的容差值（epsilon），判断两个浮点数是否在可接受的误差范围内。
1. 比较浮点数是否“大约相等”
判断两个浮点数$a和$b是否足够接近，而不是严格相等。
define('EPSILON', 0.00000001); // 定义一个小的容差值，根据需求调整
function areFloatsApproximatelyEqual($a, $b) {
return abs($a - $b) < EPSILON;
}
$x = -1.00000000000000011102; // 假设这是计算结果
$target = -1.0;
if (areFloatsApproximatelyEqual($x, $target)) {
echo "\$x 大约等于 \$target" . PHP_EOL;
} else {
echo "\$x 不大约等于 \$target" . PHP_EOL;
}2. 比较浮点数是否“小于或大约等于”
判断$a是否小于$b，或者$a与$b足够接近。
function isFloatLessThanOrEqualTo($a, $b) {
return $a < $b || abs($a - $b) < EPSILON;
// 更稳健的写法：return $a <= $b + EPSILON;
}
$x = -1.00000000000000011102;
$target = -1.0;
if (isFloatLessThanOrEqualTo($x, $target)) {
echo "\$x 大约小于或等于 \$target" . PHP_EOL; // 这将为真
} else {
echo "\$x 不大约小于或等于 \$target" . PHP_EOL;
}3. 比较浮点数是否“大于或大约等于”
判断$a是否大于$b，或者$a与$b足够接近。
function isFloatGreaterThanOrEqualTo($a, $b) {
return $a > $b || abs($a - $b) < EPSILON;
// 更稳健的写法：return $a >= $b - EPSILON;
}
$x = -0.9999999999999998; // 假设计算结果略大于-1
$target = -1.0;
if (isFloatGreaterThanOrEqualTo($x, $target)) {
echo "\$x 大约大于或等于 \$target" . PHP_EOL; // 这将为真
} else {
echo "\$x 不大约大于或等于 \$target" . PHP_EOL;
}在实际应用中，选择合适的EPSILON值至关重要。它应该足够小以确保精度，但又不能小到被浮点数自身的最小误差所淹没。通常，0.00000001或PHP_FLOAT_EPSILON（PHP 7.2+）是一个不错的起点，但具体值应根据应用场景和所需精度进行调整。
总结
浮点数精度问题是编程中一个常见的陷阱，尤其在金融、科学计算等对精度要求较高的领域。理解计算机如何表示浮点数以及由此带来的误差累积是解决问题的关键。永远不要直接比较两个浮点数是否严格相等或严格小于/大于，而是使用一个容差值（epsilon）来判断它们是否在可接受的误差范围内。通过采用这种最佳实践，可以有效避免因浮点数精度问题导致的程序逻辑错误和难以调试的bug。
