浮点数直接用==比较会返回false，因二进制表示存在精度误差；应使用误差容差（如1e-10）判断两数之差的绝对值是否小于epsilon。
直接用 == 比较浮点数（如 0.1 + 0.2 == 0.3）会返回 false，这是由二进制浮点表示的固有局限导致的，不是 bug，而是 IEEE 754 标准下的正常现象。可靠比较的关键是**不比绝对相等，而比“足够接近”**。
使用误差容差（epsilon）进行近似比较
最常用、最直观的方法是定义一个极小的容差值（如 1e-10），判断两数之差的绝对值是否小于它：
-
JavaScript 示例：
function floatEqual(a, b, epsilon = 1e-10) { return Math.abs(a - b) <br>✅ <code>floatEqual(0.1 + 0.2, 0.3)→true - 容差值需根据场景选择：科学计算可能用
1e-15，UI 或货币场景用1e-6更稳妥；过大易误判，过小仍失效 - 注意：对极大或极小数值，固定 epsilon 可能不合适，此时应考虑相对误差
相对误差比较（兼顾大小数量级）
当操作数可能非常大（如 1e20）或非常接近零时，仅用绝对误差不够鲁棒。更健壮的方式是结合绝对与相对容差：
- 公式：
Math.abs(a - b) - 常见组合：设
epsilonAbs = 1e-12（兜底小值）、epsilonRel = 1e-12（比例基准） - Python 的
math.isclose(a, b)默认就采用这种策略，推荐优先使用标准库函数
业务场景中优先转整数或定点运算
对精度敏感的领域（如金融计算），根本解法是**避免浮点中间过程**：
- 金额统一用“分”为单位，全部用整数运算：
10 + 20 === 30（代表 0.10 + 0.20 === 0.30 元） - JavaScript 可借助
BigInt或专用库（如decimal.js）做高精度十进制运算 - 输入时立即解析为整数/定点数，全程不走
parseFloat→ 运算 →toFixed这类易出错链路
调试与验证时善用工具辅助
理解为何出错，比单纯修复更重要：
- 用
console.log((0.1).toString(2))查看二进制表示，发现0.1是无限循环二进制小数 - 用
Number.EPSILON理解 JS 中可表示的最小间隔（约2.22e-16），但注意它不等于通用容差 - 单元测试中不要写
expect(0.1 + 0.2).toBe(0.3)，改用toBeCloseTo(0.3)（Jest）或自定义断言
