如何正确使用FixedU128获取JSON中的0.5价格值？

问题场景 #

我在链下Worker中通过lite-json解析如下JSON数据：

{
"price": 0.5
}

实现代码如下：

let price_str = match obj.clone() {
    JsonValue::Object(obj_data) => {
        let (_, v) = obj_data
            .into_iter()
            .find(|(k, _)| k.iter().copied().eq("price".chars()))?;
        match v {
            JsonValue::Number(val) => val,
            _ => return None,
        }
    }
    _ => return None,
};
let bits = price_str.integer as u128 * 10u128.pow(price_str.exponent as u32)
    + u128::from(price_str.fraction);
log::info!("bits: {}", bits);
// Adjust the denominator based on the desired scale
let fixed_value =
    FixedU128::saturating_from_rational(bits, 10u128.pow(price_str.fraction_length as u32));

log::info!("value of integer is {}", fixed_value);

得到日志：

2023-12-09 22:25:03.084  INFO      offchain-worker pallet_template: bits: 5    
2023-12-09 22:25:03.084  INFO      offchain-worker pallet_template: value of integer is 500000000000000000

期望fixed_value为0.5，但实际得到500000000000000000，尝试多种转换方法结果不是0就是这个大数，求正确获取价格的方式。

解决方案 #

核心原因说明 #

FixedU128默认采用18位小数精度（即基于1e18的缩放因子），所以输出的500000000000000000本质是0.5的18位精度固定点表示（0.5 × 1e18 = 5e17），这是固定点类型的正常存储逻辑，并非错误。

正确处理方式 #

如果需要得到可读的浮点数值或调整精度，可按以下方式处理：

1. 转换为浮点数（适合显示/非精确计算场景）

// 将FixedU128转为f64类型
let float_price = fixed_value.to_float();
log::info!("price as float: {}", float_price); // 输出0.5

2. 自定义固定点精度
   如果不需要18位精度，比如仅需2位小数，可重新计算缩放比例：

// 定义目标小数位数
let desired_decimals = 2;
let scaled_value = FixedU128::saturating_from_rational(bits, 10u128.pow(desired_decimals));
// 转换为带小数的字符串输出
log::info!("scaled price: {}", scaled_value.to_string()); // 输出0.50

3. 简化lite-json解析逻辑
   原解析代码可简化，避免不必要的克隆和遍历：

// 直接通过key查找数值，无需遍历对象
let price_num = match obj {
    JsonValue::Object(obj_data) => obj_data.get("price")
        .and_then(|v| match v {
            JsonValue::Number(num) => Some(num),
            _ => None,
        })?,
    _ => return None,
};

关键注意点 #

• 固定点类型（如FixedU128）的设计目的是通过整数存储实现精确计算，直接打印会输出放大后的整数，这是特性而非bug。
• 链上/链下Worker中推荐用固定点类型做精确计算，浮点数仅适合显示场景，避免精度损失。

内容的提问来源于stack exchange，提问作者Deepak Chaudhary