JavaScript因为存在计算的精度问题，所以直接计算就可能会导致各种各样的bug，为了解决这个问题，就要使用BigNumber.js这个库。
至于为什么JavaScript会有精度问题呢，可以看https://github.com/camsong/blog/issues/9。简单来说就是因为：JavaScript中所有的数字（包括整数和小数）都只有一种类型–Number。它的实现遵循IEEE 754标准，使用64位固定长度来表示，也就是标准的double双精度浮点数。它的优点是可以归一化处理整数和小数，节省储存空间。而实际计算的时候会转换成二进制计算再转成十进制。进制转换之后会很长，舍去一部分，计算再转回来，就有了精度误差。
BigNumber.js是一个用于任意精度计算的js库。可以在 官方文档 的console中测试使用。也可以通过 npm install bignumber.js --save 来安装。然后 import BigNumber from ‘bignumber.js’ 来引入使用。他的大概原理是将所有数字当做字符串，重新实现了计算逻辑。缺点是性能比原生的差很多。
具体用法可以参考以下资料：
- https://mikemcl.github.io/bignumber.js/
constructor
/*
* n {number|string|BigNumber} A numeric value.
* [b] {number} The base of n. Integer, 2 to ALPHABET.length inclusive.
*/
function BigNumber(n, b) {
}
静态方法
clone()
生成一个独立的BigNumber构造函数
var BN = BigNumber.clone()
BN(1).div(3).toNumber() //0.3333333333333333
config()
为这个独立的BigNumber构造函数设置参数
主要包括以下几个参数：
- DECIMAL_PLACES(默认值：20) 用于设置小数位数。在除法、开方、指数计算时会用到。
var BN = BigNumber.clone()
BN.config({
DECIMAL_PLACES:4})
BN(1).div(3).toNumber() //0.3333，注意跟上面计算结果的区别
- ROUNDING_MODE(默认值4) 舍入模式，取值的意义可参照 文档
//取值范围：
BigNumber.ROUND_UP = 0; //远离0方向舍入
BigNumber.ROUND_DOWN = 1; //向0方向舍入
BigNumber.ROUND_CEIL = 2; //向正无限大舍入
BigNumber.ROUND_FLOOR = 3; //向负无限大舍入
BigNumber.ROUND_HALF_UP = 4; //四舍五入：向最接近的数字方向舍入，如果与两个相邻数字的距离相等，则向上舍入。
BigNumber.ROUND_HALF_DOWN = 5; //向最接近的数字方向舍入，如果与两个相邻数字的距离相等，则向下舍入。
BigNumber.ROUND_HALF_EVEN = 6; //向最接近数字方向舍入，如果与两个相邻数字的距离相等，则向相邻的偶数舍入
BigNumber.ROUND_HALF_CEIL = 7;
BigNumber.ROUND_HALF_FLOOR = 8;
- EXPONENTIAL_AT(默认值[-7,20]) 指数计数法
- RANGE(默认值[-1e+9,1e+9])
- CRYPTO(默认值 false) 用于设置BigNumber.random()的随机生成算法。如果无法设置为true，则使用Math.random()生成随机值。
- MODULO_MODE(默认值：ROUND_DOWN) 取模运算的模式
- POW_PRECISION(默认值：0) pow运算结果的精度
- FORMATE(格式化对应的设置)
默认值：
BigNumber.config().FORMAT
==============================
{
decimalSeparator: "."
fractionGroupSeparator: " "
fractionGroupSize: 0
groupSeparator: ","
groupSize: 3
secondaryGroupSize: 0
}
获取数组中的最大值/最小值
maximum([]),minimum([])
返回一个伪随机值，参数可以指定小数点位数
random([precision])
实例方法
加法：.plus(n [, base]) ⇒ BigNumber
0.1 + 0.2 // 0.30000000000000004
x = new BigNumber(0.1)
y = x.plus(0.2) // '0.3'
BigNumber(0.7).plus(x).plus(y) // '1'
x.plus('0.1', 8) // '0.225'
减法：.minus(n [, base]) ⇒ BigNumber
0.3 - 0.1 // 0.19999999999999998
x = new BigNumber(0.3)
x.minus(0.1) // '0.2'
x.minus(0.6, 20) // '0'
乘法：.times(n [, base]) ⇒ BigNumber; m.ultipliedBy(n [, base]) ⇒ BigNumber;
0.6 * 3 // 1.7999999999999998
x = new BigNumber(0.6)
y = x.multipliedBy(3) // '1.8'
BigNumber('7e+500').times(y) // '1.26e+501'
x.multipliedBy('-a', 16) // '-6
普通除法运算： .div(n [, base]) ⇒ BigNumber； .dividedBy(n [, base]) ⇒ BigNumber
x = new BigNumber(355)
y = new BigNumber(113)
x.dividedBy(y) // '3.14159292035398230088'
x.div(5) // '71'
x.div(47, 16) // '5'
注意： 除法计算结果会根据DECIMAL_PLACES和ROUNDING_MODE两个属性设置进行舍入。
除法，返回整数： .idiv(n [, base]) ⇒ BigNumber；.dividedToIntegerByv(n [, base]) ⇒ BigNumber
x = new BigNumber(355)
y = new BigNumber(113)
x.dividedBy(y) // '3.14159292035398230088'
x.div(5) // '71'
x.div(47, 16) // '5'
取模/取余： .mod(n [, base]) ⇒ BigNumber；modulo.(n [, base]) ⇒ BigNumber
1 % 0.9 // 0.09999999999999998
x = new BigNumber(1)
x.modulo(0.9) // '0.1'
y = new BigNumber(33)
y.mod('a', 33) // '3'
注意： 取模/取余运算受MODULO_MODE设置影响
指数运算： .pow(n [, m]) ⇒ BigNumber;.exponentiatedBy(n [, m]) ⇒ BigNumber
Math.pow(0.7, 2) // 0.48999999999999994
x = new BigNumber(0.7)
x.exponentiatedBy(2) // '0.49'
BigNumber(3).pow(-2) // '0.11111111111111111111'
比较大小： .comparedTo(n [, base]) ⇒ number
比较结果，参考如下表：
1 操作数>n
-1 操作数<n
0 操作数==n
null 操作数或者n不是数字
举例：
x = new BigNumber(Infinity)
y = new BigNumber(5)
x.comparedTo(y) // 1
x.comparedTo(x.minus(1)) // 0
y.comparedTo(NaN) // null
y.comparedTo('110', 2) // -1