Python获取当前时间毫秒数的两种常用写法
在Python中获取当前时间毫秒数，最常用的两种写法分别是基于time.time()的浮点数换算和基于Python 3.7+引入的time.time_ns()纳秒整除。本文详细讲解两者的代码写法、换算原理、精度差异与适用场景。
在网络请求鉴权、分布式唯一 ID 生成（如雪花算法）、数据库记录写入以及高并发接口调用等业务场景中，我们经常需要使用 13 位的标准毫秒级时间戳。Python 标准库内置的 time 模块默认提供以秒为单位的浮点时间戳，并没有直接命名为 time.milliseconds() 的现成函数。开发者通常通过两种写法来获取当前的毫秒数：一种是基于 int(time.time() * 1000) 的浮点数放大截断，另一种是基于 Python 3.7+ 引入的 time.time_ns() // 1_000_000 纯整数整除。本文直接展开这两种写法的代码实现、底层换算机制、精度差异以及实际开发中的选型建议。
一、毫秒时间戳的换算逻辑与操作流程
计算机系统中的时间戳通常以 Unix 纪元时间（即协调世界时 1970 年 1 月 1 日 00:00:00）为起始基准。标准秒级时间戳是一个 10 位左右的数值，而毫秒级时间戳则精确到千分之一秒（1 秒 = 1000 毫秒），表现为 13 位整数。在 Python 中获取该数值的标准操作流程包含四个阶段：引入标准库、读取系统时钟源、实施数量级换算、输出规范的整数结果。
如上图所示，由于 Python 标准库中 time.time() 给出的是以秒为基准的浮点数，而 time.time_ns() 给出的是以纳秒为基准的纯整数，因此两者在第三步量级换算时采取了不同的数学操作：前者乘以 1000 后取整，后者直接除以一百万整除。
二、写法一：基于 time.time() 的浮点数乘法换算
time.time() 是 Python 中历史最悠久、使用最广泛的时间函数，其返回值是一个表示自 Unix 纪元起经过的秒数的浮点数（float）。将该返回值乘以 1000，即可将单位转换为毫秒，最后使用 int() 截断小数部分，得到 13 位的毫秒级整数。
1. 完整代码示例
import time
# 获取当前时间毫秒数（写法一：秒级浮点数乘法换算）
timestamp_ms = int(time.time() * 1000)
print("当前毫秒时间戳:", timestamp_ms)
# 示例输出：
# 当前毫秒时间戳: 1718000000123
2. 机制细节与 int() 对比 round()
在写法一中，乘以 1000 后的小数值可能包含小数点后若干位（代表微秒和纳秒部分）。在处理末尾小数时，主要有两种常见选择：
- 使用 int() 截断：
int(time.time() * 1000)会直接丢弃所有小数位（即向零取整）。这是最常见且开销极小的写法，完全能够满足绝大多数对时间递增顺序要求严格的业务场景。 - 使用 round() 四舍五入：
round(time.time() * 1000)会根据小数部分就近舍入到最接近的整数毫秒。如果业务非常关注时间戳在物理时间轴上的严格邻近性，可以采用round()。
time.time() 适用于所有的 Python 2.x 与 Python 3.x 版本。如果你的代码需要发布为公共通用库，并且必须向后兼容旧环境或嵌入式 Python 解释器，这种写法是兼容性最宽泛的安全方案。
三、写法二：基于 time.time_ns() 的纯整数整除（Python 3.7+）
Python 3.7 在 PEP 564 中引入了一组带有 _ns 后缀的时间函数。其中 time.time_ns() 直接返回自 Unix 纪元以来的纳秒数（十亿分之一秒），返回值类型为 Python 内置的任意精度整数（int），不再经过浮点数转换。
因为 1 毫秒等于 1,000,000 纳秒，所以只需使用 Python 的地板除运算符 // 整除 1,000,000，即可直接得到 13 位的毫秒数。
1. 完整代码示例
import time
# 获取当前时间毫秒数（写法二：纳秒整数地板除）
timestamp_ms = time.time_ns() // 1_000_000
print("当前毫秒时间戳:", timestamp_ms)
# 示例输出：
# 当前毫秒时间戳: 1718000000123
2. 为什么 PEP 564 推荐使用纯整数？
现代操作系统（如 Linux 的 clock_gettime、macOS 以及 Windows）内核时钟已支持纳秒级分辨率。原有的 time.time() 将系统时钟返回的数值转换成了 64 位 IEEE 754 双精度浮点数。随着 Unix 时间戳数值不断增长（目前整数部分已达到 1.7×10⁹），双精度浮点数的 53 位二进制尾数分配给小数部分的位数逐渐变少，无法完整表达微秒与纳秒精度。
time.time_ns() 从操作系统读取纳秒数值后，直接包装成 Python 的 int 对象。后续通过 // 1_000_000 进行整除，全程处于高精度整数域中运算，杜绝了一切由于浮点近似表示引发的不确定性，运算速度也相当直接高效。
四、两种写法的关键差异与选型建议
在实际工程中，这两种写法都能稳定产出 13 位整数，但在底层机制、性能开销与适用范围上各有侧重。下表给出了客观维度的系统对比：
| 对比维度 | 写法一：int(time.time() * 1000) | 写法二：time.time_ns() // 1_000_000 |
|---|---|---|
| 支持的最低 Python 版本 | 全版本支持（Python 2.x 及 Python 3.x） | Python 3.7 及以上版本（PEP 564） |
| 计算链路与类型 | float (秒) → float (毫秒) → int 转换 | int (纳秒) → int (毫秒) 纯整数运算 |
| 精度稳定性 | 毫秒级内有效，但底层存在 IEEE 754 浮点转换 | 无任何浮点损耗，严谨保真，数学确定性极高 |
| 代码书写规范 | 借助 int() 强制类型转换 | 利用整除 // 与数字下划线 1_000_000 |
| 推荐使用场景 | 跨版本兼容工具脚本、旧项目维护 | 现代 Python 项目（新开发项目首选推荐） |
开发中的重要注意事项：时间戳与耗时统计的区别
需要特别注意，本文介绍的 time.time() 和 time.time_ns() 获取的均是墙上时钟时间（Wall-clock Time）。这类时钟反映的是操作系统当前的时钟读数，会受到 NTP 网络时间同步校准、时区调整或用户手动修改系统时间的影响，在极端情况下可能发生时间回拨（跳变）。
time.time() 或 time.time_ns()。用于性能统计与耗时测量的标准工具是单调时钟函数：time.perf_counter() 或 time.monotonic_ns()。单调时钟保证时间永远严格单调递增，不受系统时间调整影响。
总结
获取当前时间毫秒数的逻辑本质是单位换算：
- 如果你的开发环境是 Python 3.7+，推荐使用
time.time_ns() // 1_000_000，代码语义清晰、纯整数运算无损且执行性能优秀； - 如果你的代码需要保证在 各种老旧环境或通用基础库 中正常运行，使用
int(time.time() * 1000)是最稳妥的兼容选择。
免责声明：本文内容仅供参考，不代表本站观点。转载或引用请注明出处。
