浮点中的危险

由于无穷大、NaN 和 0 的特殊行为，当应用浮点数时，可能看似无害的转换和优化实际上是不正确的。例如，虽然好象 0.0-f 很明显等于 -f ，但当 f 为 0 时，这是不正确的。还有其它类似的 gotcha，表 2 显示了其中一些 gotcha。

表 2. 无效的浮点假定

这个表达式……     不一定等于……     当……
0.0 - f     -f     f 为 0
f < g     ! (f >= g)     f 或 g 为 NaN
f == f     true     f 为 NaN
f + g - g     f     g 为无穷大或 NaN

舍入误差

浮点运算很少是精确的。虽然一些数字（譬如 0.5 ）可以精确地表示为二进制（底数 2）小数（因为 0.5 等于 2 -1），但其它一些数字（譬如 0.1 ）就不能精确的表示。因此，浮点运算可能导致舍入误差，产生的结果接近 ― 但不等于 ― 您可能希望的结果。例如，下面这个简单的计算将得到 2.600000000000001 ，而不是 2.6 ：

 double s=0;
  for (int i=0; i<26; i++)
    s += 0.1;
  System.out.println(s);

 

类似的， .1*26 相乘所产生的结果不等于 .1 自身加 26 次所得到的结果。当将浮点数强制转换成整数时，产生的舍入误差甚至更严重，因为强制转换成整数类型会舍弃非整数部分，甚至对于那些“看上去似乎”应该得到整数值的计算，也存在此类问题。例如，下面这些语句：

 double d = 29.0 * 0.01;
  System.out.println(d);
  System.out.println((int) (d * 100));

 

将得到以下输出：

 0.29
  28

这可能不是您起初所期望的。