>>> a=12345
>>> a.__str__().__len__()
5

这个问题已经问了好几年了，但是我已经编写了一个基准测试，其中包含了几种计算整数长度的方法。

def libc_size(i): 
    return libc.snprintf(buf, 100, c_char_p(b'%i'), i) # equivalent to `return snprintf(buf, 100, "%i", i);`

def str_size(i):
    return len(str(i)) # Length of `i` as a string

def math_size(i):
    return 1 + math.floor(math.log10(i)) # 1 + floor of log10 of i

def exp_size(i):
    return int("{:.5e}".format(i).split("e")[1]) + 1 # e.g. `1e10` -> `10` + 1 -> 11

def mod_size(i):
    return len("%i" % i) # Uses string modulo instead of str(i)

def fmt_size(i):
    return len("{0}".format(i)) # Same as above but str.format

(libc函数需要一些设置，我没有包括这些设置)

size_exp由Brian Preslopsky提供，size_str由GeekTantra提供，size_math由John La Rooy提供

以下是调查结果:

Time for libc size:      1.2204 μs
Time for string size:    309.41 ns
Time for math size:      329.54 ns
Time for exp size:       1.4902 μs
Time for mod size:       249.36 ns
Time for fmt size:       336.63 ns
In order of speed (fastest first):
+ mod_size (1.000000x)
+ str_size (1.240835x)
+ math_size (1.321577x)
+ fmt_size (1.350007x)
+ libc_size (4.894290x)
+ exp_size (5.976219x)

(声明:函数在输入1到1,000,000上运行)

下面是sys的测试结果。Maxsize: 100000 to sys.maxsize:

Time for libc size:      1.4686 μs
Time for string size:    395.76 ns
Time for math size:      485.94 ns
Time for exp size:       1.6826 μs
Time for mod size:       364.25 ns
Time for fmt size:       453.06 ns
In order of speed (fastest first):
+ mod_size (1.000000x)
+ str_size (1.086498x)
+ fmt_size (1.243817x)
+ math_size (1.334066x)
+ libc_size (4.031780x)
+ exp_size (4.619188x)

正如你所看到的，mod_size (len("%i" %i))是最快的，比使用str(i)略快，比其他方法快得多。

正如其他答案所示，使用log10会导致大n的错误结果，而使用len(str(…))或手动循环会导致大n的性能变慢。Jodag的答案提供了一个非常好的替代方案，它只适用于可能会使您的计算机崩溃的整数，但我们可以做得更好，甚至更快(对于n足够小的数学。Log2保证是准确的)，避免使用对数，而是使用二进制:

def num_digits(n: int) -> int:
    assert n > 0
    i = int(0.30102999566398114 * (n.bit_length() - 1)) + 1
    return (10 ** i <= n) + i

让我们来分析一下。首先是奇怪的n.bit_length()。这将以二进制形式计算长度:

assert 4 == (0b1111).bit_length()
assert 8 == (0b1011_1000).bit_length()
assert 9 == (0b1_1011_1000).bit_length()

与对数不同，这对于整数来说既快速又精确。结果是，这个结果正好是(log2(n)) + 1。为了单独得到地板(log2(n))，我们减去1，因此n.bit_length() - 1。

接下来，我们乘以0.30102999566398114。这相当于log10(2)稍微舍入。这利用了对数规则，以便从地板(log2(n))计算地板(log10(n))的估计值。

现在，您可能想知道我们在这一点上可能有多差，因为尽管0.30102999566398114 * log2(n) ~ log10(n)，但对于floor(0.30102999566398114 * floor(log2(n))) ~ floor(log10(n))，情况并非如此。回想一下x - 1 < floor(x) <= x，我们可以做一些快速的计算:

log2(n) - 1 < floor(log2(n)) <= log2(n)

log10(n) - 0.30102999566398114 < 0.30102999566398114 * floor(log2(n)) <= log10(n)

floor(log10(n) - 0.30102999566398114) < floor(0.30102999566398114 * floor(log2(n))) <= floor(log10(n))

请注意，floor(log10(n) - 0.30102999566398114)至少是floor(log10(n)) - 1，这意味着我们与结果最多相差1。这是最后的修正，我们检查10 ** i <= n，当结果太小时导致额外的1 +，当结果刚刚好时导致0 +。

类似于Jodag的答案，这种方法实际上对非常非常大的n无效，大约在10 ** 2 ** 52左右，其中i的误差超过-1。然而，这种大小的整数可能会使您的计算机崩溃，所以这应该足够了。

不需要转换为字符串

import math
digits = int(math.log10(n))+1

也可以处理0和负数

import math
if n > 0:
    digits = int(math.log10(n))+1
elif n == 0:
    digits = 1
else:
    digits = int(math.log10(-n))+2 # +1 if you don't count the '-' 

你可能想把它放在一个函数中:)

以下是一些基准测试。len(str())对于非常小的数字已经落后了

timeit math.log10(2**8)
1000000 loops, best of 3: 746 ns per loop
timeit len(str(2**8))
1000000 loops, best of 3: 1.1 µs per loop

timeit math.log10(2**100)
1000000 loops, best of 3: 775 ns per loop
 timeit len(str(2**100))
100000 loops, best of 3: 3.2 µs per loop

timeit math.log10(2**10000)
1000000 loops, best of 3: 844 ns per loop
timeit len(str(2**10000))
100 loops, best of 3: 10.3 ms per loop

假设您要求的是可以存储在整数中的最大数字，则该值与实现有关。我建议你在使用python时不要这样想。在任何情况下，相当大的值都可以存储在python 'integer'中。记住，Python使用鸭子类型!

编辑: 我在澄清提问者想要数字数之前给出了我的答案。就此而言，我同意公认答案所建议的方法。没什么可补充的了!

科学记数法格式，去掉指数:

int("{:.5e}".format(1000000).split("e")[1]) + 1

我不知道速度如何，但很简单。

请注意小数点后的有效数位数(“5”在”。如果5e”将科学记数法的小数部分舍入到另一个数字，则可能会出现问题。我把它设得任意大，但可以反映出你所知道的最大数字的长度。