大小仅 1KB！超级好用！计算无敌！

大小仅 1KB！超级好用！计算无敌！

js 原生的数字计算是一个令人头痛的问题，最常见的就是浮点数精度丢失。

// 1. 加减运算0.1+0.2// 结果：0.30000000000000004（预期 0.3）0.7-0.1// 结果：0.6000000000000001（预期 0.6）// 2. 乘法精度偏移0.1*0.2// 结果：0.020000000000000004（预期 0.02）3*0.3// 结果：0.8999999999999999（预期 0.9）// 3. 除法结果异常0.3/0.1// 结果：2.9999999999999996（预期 3）1.2/0.2// 结果：5.999999999999999（预期 6）

在金额计算的场景中出现这种问题是很危险的，例如「0.1 元 + .2 元」本应等于 0.3 元，原生计算却会得出 0.30000000000000004 元，直接导致金额显示错误或支付逻辑异常。

不少人会用toFixed四舍五入，保留 2 位小数来格式化数字，它本质上是字符串格式化工具，而非精度修复工具，而且还会带来新的精度问题 ——toFixed的四舍五入规则是 “银行家舍入法”，无法解决底层计算的精度误差。

// 问题1. 四舍五入规则不符合预期1.005.toFixed(2);// 结果："1.00"（预期 "1.01"）2.005.toFixed(2);// 结果："2.00"（同样问题）1.235.toFixed(2);// 结果："1.23"（预期 "1.24"）// 问题2. 无法修复底层计算误差constsum=0.1+0.2;// 0.30000000000000004sum.toFixed(2);// 结果："0.30"（表面正确，但误差仍存在，后续再运算仍然有问题）sum.toFixed(10);// 结果："0.3000000000"（仅隐藏误差，未消除）

而number-precision能解决这些问题。

number-precision 的优势在哪？

• 轻量化，大小仅 1kb
• API 极简化，只有加减乘除和四舍五入
• 专注精度问题，无额外心智负担
• 兼容性好，无额外依赖

适用场景

• 中小型项目、仅需解决基础加减乘除精度问题的场景（如电商、金融类简单计算）
• 对包体积敏感的前端项目。

如何使用？

pnpminstallnumber-precision

importNPfrom'number-precision'NP.strip(0.09999999999999998);// = 0.1NP.plus(0.1,0.2);//加法计算 = 0.3, not 0.30000000000000004NP.plus(2.3,2.4);//加法计算 = 4.7, not 4.699999999999999NP.minus(1.0,0.9);//减法计算 = 0.1, not 0.09999999999999998NP.times(3,0.3);//乘法计算 = 0.9, not 0.8999999999999999NP.times(0.362,100);//乘法法计算 = 36.2, not 36.199999999999996NP.divide(1.21,1.1);//除法计算 = 1.1, not 1.0999999999999999NP.round(0.105,2);//四舍五入，保留2位小数 = 0.11, not 0.1

混合的计算：

importNPfrom'number-precision'// (0.8-0.5)x1000，保留2位小数NP.round(NP.times(NP.minus(0.8,0.5),1000),2)// 计算股票收益率NP.round(NP.times(NP.divide(NP.minus(+price,+cost),+cost),100),2)

更复杂的计算场景用什么

number-precision有短小精悍的优势在，基本的运算都能拿捏，但那些要求更高的计算场景用什么库呢？