只是示例代码:

import time
timestamp = int(time.time()*1000.0)

输出: 1534343781311

对于Python 3.7+， time.time_ns()给出自epoch以来以纳秒为单位经过的时间。

这给出了以毫秒为单位的整数时间:

import time

ms = time.time_ns() // 1_000_000

这些以毫秒为单位的1000的乘法对于解决或使某些先决条件可以接受可能是不错的。它可以用来填补数据库中从未真正使用过它的空白。不过，在需要精确计时的真实情况下，它最终会失败。我不建议任何人将这种方法用于需要在特定时间进行操作或处理的关键任务操作。

例如: 往返ping在美国是30-80毫秒…你不能简单地把它加起来并有效地使用它。

我自己的例子要求每秒钟都有任务，这意味着如果我在第一个任务响应后进行四舍五入，我仍然会导致处理时间乘以每个主循环周期。结果是每60秒调用一次函数。一天大约1440英镑。不太准确。

只是一个想法，让人们寻找更准确的推理，而不是解决从未真正使用过的数据库差距。

只是Python 3+使用datetime模块的另一个解决方案。

时间到了，时间到了，时间到了。

更新:感谢@neuralmer。

最有效的方法之一:

(time.time_ns() + 500000) // 1000000  #rounding last digit (1ms digit)

or

time.time_ns() // 1000000          #flooring last digit (1ms digit)

在其他方法中，这两种方法都非常有效。

基准:

你可以在我自己的机器上看到一些不同方法的基准测试结果:

import time

t = time.perf_counter_ns()
for i in range(1000):
    o = time.time_ns() // 1000000           #each 200 ns
t2 = time.perf_counter_ns()
print((t2 - t)//1000)


t = time.perf_counter_ns()
for i in range(1000):
    o = (time.time_ns() + 500000) // 1000000  #each 227 ns
t2 = time.perf_counter_ns()
print((t2 - t)//1000)


t = time.perf_counter_ns()
for i in range(1000):
    o = round(time.time_ns() / 1000000)    #each 456 ns
t2 = time.perf_counter_ns()
print((t2 - t)//1000)


t = time.perf_counter_ns()
for i in range(1000):
    o = int(time.time_ns() / 1000000)      #each 467 ns
t2 = time.perf_counter_ns()
print((t2 - t)//1000)


t = time.perf_counter_ns()
for i in range(1000):
    o = int(time.time()* 1000)          #each 319 ns
t2 = time.perf_counter_ns()
print((t2 - t)//1000)

t = time.perf_counter_ns()
for i in range(1000):
    o = round(time.time()* 1000)       #each 342 ns
t2 = time.perf_counter_ns()
print((t2 - t)//1000)```

unix诞生的时间

from time import time
while True:
    print(str(time()*1000)+'ms       \r', end='')

程序开始的时间

from time import time
init = time()
while True:
    print(str((time()-init)*1000)+'ms         \r', end='')

谢谢你的宝贵时间