解决Java中浮点型数据计算时产生的精度误差

关于double和float的精度问题，在进行数值运算时，如果有float或者double类型的浮点数参与计算时，偶尔会出现结果不准确的情况。

比如：

/**

 * 解决Float与Double类型进度不准确的问题

 * @author XiaoYun 2013-08-17

 */

public class PrecisionOfFloatAndDouble {

public static void main(String[] args) {

testUnPrecision();

}

 

/**

 * 不准确问题示例

 */

private static void testUnPrecision() {

System.out.println("--------Java自身的Double类型有精度损失----------");

System.out.println(0.05+0.01); //0.060000000000000005

System.out.println(1.0-0.54);  //0.45999999999999996

System.out.println(4.015*1000); //4014.9999999999995

System.out.println(12.3/100); //0.12300000000000001 

}

}

 

执行程序后，控制台打印出来的数据为：

--------Java自身的Double类型有精度损失----------

0.060000000000000005

0.45999999999999996

4014.9999999999995

0.12300000000000001

 

下面开始说解决方法：

    首先，解决思路为使用java.math.BigDecimal类。查看JDK提供的api，可以使用BigDecimal(String val)构造方法（因为使用该方法构造的结果是完全可以预知的），因为使用BigDecimal(double val)构建出来的结果具有一定的不可预见性，而，其中val=Double(或者Float).toString(double1);，在使用该类中对应的加减乘除等方法来计算，该类中还提供了许多的计算方法，比如同时计算出商和余数的方法divideAndRemainder(BigDecimal divisor)，求商但是向下取(即如果商是3.5，那么就返回3)的方法

divideToIntegralValue(BigDecimal divisor)等，这些方法我也没有全部研究，只是研究了这么多，如果你有兴趣的话可以自己研究下。

 

计算工具类：    

package com.xiaoyun.test;

 

import java.math.BigDecimal;

 

/**

 * 消除加减乘除的精度

 * @author XiaoYun 2013-08-17

 */

public class ArithUtil {

/**

 * 加法运算

 * @param v1

 * @param v2

 * @return

 */

public static double add(double v1, double v2) {

BigDecimal b1 = new BigDecimal(Double.toString(v1));

BigDecimal b2 = new BigDecimal(Double.toString(v2));

return b1.add(b2).doubleValue();

}

 

/**

 * 减法运算

 * @param v1

 * @param v2

 * @return

 */

public static double sub(double v1, double v2) {

BigDecimal b1 = new BigDecimal(Double.toString(v1));

BigDecimal b2 = new BigDecimal(Double.toString(v2));

return b1.subtract(b2).doubleValue();

}

 

/**

 * 乘法运算

 * @param v1

 * @param v2

 * @return

 */

public static double mul(double v1, double v2) {

BigDecimal b1 = new BigDecimal(Double.toString(v1));

BigDecimal b2 = new BigDecimal(Double.toString(v2));

return b1.multiply(b2).doubleValue();

}

 

/**

 * 除法运算

 * @param v1 被除数

 * @param v2 除数

 * @return 商

 */

public static double div(double v1, double v2) {

BigDecimal b1 = new BigDecimal(Double.toString(v1));

BigDecimal b2 = new BigDecimal(Double.toString(v2));

return b1.divide(b2).doubleValue();

}

 

/**

 * 除法运算

 * @param v1 被除数

 * @param v2 除数

 * @return 商和余数

 */

public static BigDecimal[] divideAndRemainder(double v1, double v2) {

BigDecimal b1 = new BigDecimal(Double.toString(v1));

BigDecimal b2 = new BigDecimal(Double.toString(v2));

BigDecimal[] arr = b1.divideAndRemainder(b2);

return arr;

}

 

/**

 * 求商（向下舍入）

 * @param v1

 * @param v2

 * @return

 */

public static BigDecimal divideToIntegralValue(double v1, double v2) {

BigDecimal b1 = new BigDecimal(Double.toString(v1));

BigDecimal b2 = new BigDecimal(Double.toString(v2));

System.out.println("------------");

return b1.divideToIntegralValue(b2);

}

}

 

测试类：

package com.xiaoyun.test;

 

import java.math.BigDecimal;

 

 

/**

 * 解决Float与Double类型进度不准确的问题

 * @author XiaoYun 2013-08-17

 */

public class PrecisionOfFloatAndDouble {

public static void main(String[] args) {

testUnPrecision();

System.out.println("----------使用BigDecimal消除精度影响------------\n" + ArithUtil.add(0.05, 0.01));

System.out.println(ArithUtil.sub(1.0, 0.54));

System.out.println(ArithUtil.mul(4.015, 1000));

System.out.println(ArithUtil.div(12.3, 10));

//得到商和余数

BigDecimal[] arr = ArithUtil.divideAndRemainder(12.3, 10);

System.out.println("得到商和余数");

for (BigDecimal bigDecimal : arr) {

System.out.println(bigDecimal);

}

System.out.println(ArithUtil.divideToIntegralValue(4.5, 2));

}

 

/**

 * 不准确问题示例

 */

private static void testUnPrecision() {

System.out.println("--------Java自身的Double类型有精度损失----------");

System.out.println(0.05+0.01);

System.out.println(1.0-0.54);

System.out.println(4.015*1000);

System.out.println(12.3/100);

}

}

 

到此，浮点数京都的问题就解决了。但是究其原因，是浮点数在计算机中是无法进行准确表示的，比如0.1在计算机中只是一个近似值，因此对浮点数运算结果具有不可预见性。如果两个浮点操作数的误差就能相互抵消，计算结果就能正确。比如0.3+0.4。