正整数n的十进制位数等于⌊log₁₀(n)⌋+1，因log₁₀(n)非整数，需向下取整后加1；如log₁₀(9)≈0.954→⌊0.954⌋+1=1，log₁₀(10)=1→⌊1⌋+1=2。
用 math.log10() 计算正整数的位数，本质是利用对数的数学性质：一个不为零的正整数 n 的十进制位数等于 ⌊log₁₀(n)⌋ + 1。这个公式在算法设计中常用于分析“按位处理”类问题（如数字反转、各位和、进制转换）的时间或空间开销。
为什么 Math.log10(n) + 1 要向下取整？
Math.log10(n) 返回的是以 10 为底的对数值，不是整数。例如：
-
Math.log10(9) ≈ 0.954 → ⌊0.954⌋ + 1 = 1（正确：1 位） -
Math.log10(10) = 1.0 → ⌊1.0⌋ + 1 = 2（正确：2 位） Math.log10(999) ≈ 2.9996 → ⌊2.9996⌋ + 1 = 3
直接写 Math.floor(Math.log10(n)) + 1 即可。注意：JavaScript 中 Math.log10(1) 是 0，结果为 1，完全符合要求；但 n 必须是正整数，否则会返回 NaN 或负值（如 n=0 无定义，n 得负对数）。
在算法复杂度分析中的典型用途
当算法逻辑依赖“遍历每一位”时，执行次数与位数强相关，而位数是 O(log n) 级别（以 10 为底或任意常数为底等价）。例如：
- 反转整数：循环次数 = 位数 ≈
⌊log₁₀(n)⌋ + 1，时间复杂度为O(log n) - 计算各位数字之和：同样只循环位数次，非
O(n) - 判断回文数（不转字符串）：需提取最高位和最低位，操作轮数仍是位数的一半，仍属
O(log n)
这区别于“遍历 1 到 n”的 O(n)——对大数（如 n = 10⁹），log₁₀(n) = 9，效率提升巨大。
实际编码注意事项
直接调用 Math.log10() 看似简洁，但有几点必须处理：
-
边界检查：确保
n > 0，否则Math.log10(0)是-Infinity，Math.log10(-5)是NaN -
浮点误差风险：对极大整数（如接近
Number.MAX_SAFE_INTEGER），Math.log10()可能因精度丢失导致Math.floor错误。例如n = 9999999999999999（16 个 9），JS 浮点表示可能让它变成10000000000000000，log 结果偏高。稳妥做法是先转字符串取.length，或用整数除法循环计数（适合教学/低量级场景） -
替代写法（更鲁棒）：
function digitCount(n) { if (n <= 0 || !Number.isInteger(n)) throw new Error('n must be positive integer'); return n.toString().length; }该方式无精度问题，且现代 JS 引擎对小整数字符串化优化很好，实际性能差异可忽略。
与大 O 分析的衔接要点
在写算法题解或复杂度报告时，不要只写“用了 log”，要明确说明：
- 这里的
log是以常数为底（如 10 或 2），故O(log₁₀ n) = O(log₂ n) = O(log n) - 输入规模 n 是数值本身，不是数组长度——这是“数值型输入”的常见陷阱（对比排序算法中 n 指元素个数）
- 若算法还含其他操作（如对每位做常数时间计算），总时间复杂度仍是
O(log n)；若嵌套了与位数相关的另一层循环，则可能是O((log n)²)
