首先，我们要站在计算机的角度思考 0.1 + 0.2 这个看似小儿科的问题。我们知道，能被计算机读懂的是二进制，而不是十进制，所以我们先把 0.1 和 0.2 转换成二进制看看：
0.1 =>0.0001 1001 1001 1001…（无限循环）
0.2 =>0.0011 0011 0011 0011…（无限循环）
双精度浮点数的小数部分最多支持 52 位，所以两者相加之后得到这么一串 0.0100110011001100110011001100110011001100110011001100 因浮点数小数位的限制而截断的二进制数字，这时候，我们再把它转换为十进制，就成了 0.30000000000000004。
原来如此，那怎么解决这个问题呢？我想要的结果就是 0.1 + 0.2 === 0.3 啊！！！
有种最简单的解决方案，就是给出明确的精度要求，在返回值的过程中，计算机会自动四舍五入，比如：
var numA = 0.1
var numB = 0.2
alert( parseFloat((numA + numB).toFixed(2)) === 0.3 )
乘法运算中有这种，比如0.58*100，结果是57.99999999999999。可以用Math.round()进行处理，
------||-------
尽量避免对小数进行操作，先处理成整数后在进行操作，其结果会比较精确。
如：0.1+0.2 !== 0.3；0.1*0.2 !== 0.03
如：9999999999999999 === 10000000000000001
如：1.335.toFixed(2) // 1.33；1.336.toFixed(2) // 1.34
二进制模仿十进制进行四舍五入，而二进制只有0和1，于是就0舍1入，于是就导致了小数计算不精确。大数的精度丢失本质上是和小数一样，js中表示最大的数是Math.pow(2, 53),十进制即 9007199254740992；大于该数的值可能会丢失精度。
小数的话，一般转成整数进行计算，然后对结果做除法；同样也可以直接对结果进行4舍5入；
对于大数出现的问题概率较低，毕竟还要运算结果不超过最大数就不会丢失精度；
javaScript数字精度丢失问题总结
js中精度问题以及解决方案
JavaScript 中精度问题以及解决方案
0.1+0.2 != 0.3，怎么解决?(1) 在计算机中，数字无论是定点数还是浮点数都是以多位二进制的方式进行存储的。存储一个数值所使用的二进制位数比较多,这样得到的数会更加精确。
(2) 由于存储空间有限，无法整除的小数的时候就会取一个近似值，在js中如果这个近似值足够近似，那么js就会认为他就是那个值。
(3) 在0.1 + 0.2这个式子中，0.1和0.2都是近似表示的，在他们相加的时候，两个近似值进行了计算，导致最后得到的值是0.30000000000000004，此时对于JS来说，其不够近似于0.3，于是就出现了0.1 + 0.2 != 0.3 这个现象。
当然，有时两个近似值进行计算的时候，得到的值是在JS的近似范围内的，于是就可以得到正确答案。
(4) 解决办法:
就是我们想办法规避掉这类小数计算时的精度问题,那么最常用的方法就是将浮点数转化成整数计算。因为整数都是可以精确表示的。
对于0.1 + 0.02 我们需要转化成 ( 10 + 2 ) / 1e2
公共方法使用
