高精度加减乘除算法详解：从手写竖式到BigDecimal实战

有一次我在给学生讲大数加法，讲到一半突然意识到一个问题：我们天天用的int、long、double，其实从来没有告诉你“数字装不下了怎么办”。你写个2^100试试，long long直接给你一个莫名其妙的负数；你在Java里跑一句0.1+0.2，得出的也不是0.3而是0.30000000000000004。这些现象背后指向同一个话题——高精度加减乘除算法。

这篇文章我想把这块内容讲透。不管是算法竞赛里那些动辄几百位的大整数运算，还是业务系统里用BigDecimal做金额计算，或者是Python里处理输入输出时的精度陷阱，本质上都在跟“机器原生数字类型精度不够”这件事较劲。我会从底层原理讲起，把加减乘除四种运算的手写实现、工程实践、常见坑一次性说清楚，适合刚接触高精度算法的学生，也适合被金额计算精度问题折磨过的开发人员。

1. 高精度加减乘除，到底在解决什么问题

1.1 原生数字类型的精度边界

先看一组硬数据，这是所有编程语言共通的底层限制。

32位int能表示的最大整数是2147483647，也就是2^31-1；64位long long最大是9223372036854775807，也就是2^63-1。看起来挺大，但天文数字、组合数、大数幂运算随便一算就爆了。比如计算2^100，结果是1267650600228229401496703205376，这个数一共有31位，long long根本存不下，溢出后结果会变成一个无意义的负数。

浮点数更麻烦。double虽然能表示很大范围的数量级，但它只有53位二进制有效数字，折算成十进制大概是15到16位有效数字。也就是说，超过16位的整数部分，double根本不能保证精确表示。而且浮点数在设计上就是“近似值”，0.1在二进制里是一个无限循环小数，所以0.1+0.2会出现0.30000000000000004这种结果。

这就是高精度算法的核心价值：用数组或字符串存储数字的每一位，把四则运算拆成“手工竖式”的逐位计算，从而支持任意长度的数字精确运算。代价是速度比原生运算慢得多，但换来了精度上的上限突破。

1.2 哪些场景里躲不开高精度计算

我在实际工作中遇到的高精度场景，基本可以归成四类。

算法竞赛最典型。程序设计竞赛里经常出现n=1000的斐波那契数列、大数阶乘、大数幂运算，这些题的输出动不动就是几百位数字，不用高精度算法根本没法通过。除了C++选手要手写高精度，其实Java选手可以用BigInteger，Python选手直接依赖原生大整数，但原理是一样的，理解底层实现才能写出高效代码。

金融系统是最接地气的场景。任何涉及金额的计算都不能用浮点数，否则会出现分币差错。业务系统里一般会用BigDecimal或者decimal类型，加减乘除的精度和舍入规则必须严格把控，否则对不上账。

数据处理场景也很多。比如一个文件里有多行超长数字，需要做累加或者求平均值，因为数值太大可能超出数据库数值类型的范围，就需要在程序里用高精度方式处理。

还有一类是底层实现，比如加密算法、大整数分解、科学计算里的超长小数，这些领域的核心库内部就是用高精度算法实现任意精度运算的，只不过对性能要求极高，通常会用压位甚至FFT加速。

1.3 高精度运算的通用思路

不管是加法、减法还是乘法、除法，底层套路完全一致：用字符串读入，每位转成整数存进数组，再模拟手工计算过程。

这里有一个非常重要的约定，我会在后面反复用到：数组下标从0开始存个位，下标1存十位，下标2存百位，也就是“低位在前”。这样设计的原因很简单，加法进位或乘法增加位数时，结果可能比原来更长，数字往高位扩展只需要在数组末尾追加元素，非常方便。

理解了存储方式，剩下的事情就是用代码复刻你在小学二年级学过的竖式。

2. 高精度加法和减法：竖式思想的代码化

2.1 字符串到数组：先解决存储顺序

先写一个固定套路。读入一个大数，通常是字符串，然后转换成倒序的int数组。

以Python为例，最直观的转换方式是：

python复制s = input().strip()
a = [int(ch) for ch in s[::-1]]

C++也类似：

cpp复制string s;
cin >> s;
vector<int> a(s.size());
for (int i = 0; i < a.size(); i++) {
    a[i] = s[a.size() - 1 - i] - '0';
}

这里需要注意一个细节：读入的字符串如果前面有前导零，比如输入“000123”，转换后数组里就会有连续几个零。虽然在运算结果上没有问题，但会影响长度判断。我一般会在读入后先做一次清洗，去掉前导零，后面会少很多麻烦。

2.2 高精度加法实现与进位处理

两个大数相加，核心逻辑就是逐位相加并处理进位。模拟一下竖式：从个位开始，对应位相加，加上上一位的进位，如果结果大于等于10，就保留个位数并产生进位1。

C++实现大致是这样：

cpp复制vector<int> add(vector<int>& a, vector<int>& b) {
    vector<int> c;
    int carry = 0;
    int len = max(a.size(), b.size());
    for (int i = 0; i < len; i++) {
        int sum = carry;
        if (i < a.size()) sum += a[i];
        if (i < b.size()) sum += b[i];
        c.push_back(sum % 10);
        carry = sum / 10;
    }
    if (carry) c.push_back(carry);
    return c;
}

两个容易忽略的点值得专门说。

第一，短的数字高位视为0，所以循环长度取两者最大值，然后在循环内部判断下标是否越界。千万不要只遍历短的数组长度，否则高位直接丢失。

第二，循环结束后必须单独检查一次carry。比如999加1，按位算完，最后还有一个进位1，如果不单独处理，结果就会少一位。

这两条我见过无数人在比赛里翻车，属于高精度加法的经典坑。

2.3 高精度减法实现与借位处理

减法比加法多两个步骤：先比较大小确定正负号，再处理借位，最后去掉前导零。

先看大小比较。如果a的长度不等于b的长度，长的大；如果长度相等，从最高位（数组末尾）往低位逐位比较，找到第一个不相等的位，数值大者整个数更大。这里必须注意数组是倒序存的，所以最高位是数组末尾。

比较函数实现：

cpp复制// 返