python的int类型原生支持任意精度大整数，无需额外库；pow(a,b,m)是高效模幂运算唯一推荐方式；bin()/hex()转换比格式化更快，int(s,base)支持超长字符串解析。
Python 的 int 类型天生支持大整数，无需额外导入
Python 3 的 int 是任意精度整数，不是 C 风格的固定位宽类型。这意味着你算 10**100000 不会溢出，也不会自动转成 Float 或报 OverflowError —— 这是语言设计决定的，不是某个库的“增强功能”。
常见错误现象：有人看到 Java/Go 里要专门用 BigInteger 就下意识在 Python 里搜 “big integer library”，结果装了 gmpy2 却发现原生 int 已经够用；或者误以为 sys.maxsize 是整数上限（它只是索引/容器大小的限制）。
- 使用场景：密码学中的模幂（
pow(base, exp, mod)）、斐波那契第 100000 项、解析超长十六进制字符串（int(s, 16)） - 性能影响：运算时间随位数增长而上升，乘法从 O(n²) 到 Karatsuba 再到 FFT（CPython 3.12+ 对超大数启用），但你通常感知不到底层切换
- 兼容性：PyPy 同样支持，但某些嵌入式 Python（如 MicroPython）不支持或限制极大
pow() 的三参数形式是大数取模的唯一高效写法
直接写 (a ** b) % m 会先算出天文数字 a ** b，内存爆掉或卡死；而 pow(a, b, m) 在内部边乘边模，空间复杂度始终是 O(log m)。
常见错误现象：MemoryError 或进程被系统 kill；用 decimal 或字符串模拟取模——完全没必要且更慢。
立即学习“Python免费学习笔记（深入）”；
- 参数差异：三参数
pow(a, b, m)要求a,b,m全为int，且m > 0；两参数pow(a, b)才等价于a ** b - 使用场景：RSA 加解密、素性测试（Miller-Rabin）、生成大质数
- 注意：
pow(0, 0, m)报ValueError，和pow(0, 0)返回1不一致
大整数转字符串或进制时，bin()/hex() 比格式化快，但 format() 更灵活
bin(x) 和 hex(x) 是专用函数，对超大 int 做二进制/十六进制转换时比 f"{x:b}" 或 format(x, 'x') 快 10%–20%，因为绕过了通用格式化引擎。但如果你需要前缀控制、填充或混合进制，还是得用 format()。
常见错误现象：用 str(x) 转超大数再正则替换去前缀（如删 '0x'），既慢又易错；或误以为 int('0b101', 2) 不支持大字符串——它完全支持，只要内存够。
-
int(s, base)支持任意长度字符串s，base可以是 2–36（注意：不是 64） -
hex(x)固定带'0x'前缀，format(x, 'x')不带，f"{x:#x}"带 - 性能敏感场景（如批量解析日志里的大 hex ID）：优先用
int(s, 16)，别先int(s, 0)让它猜进制
大整数比较和位运算没有隐式陷阱，但要注意负数的位运算逻辑
Python 的 ==、 等比较对大整数完全可靠，不会因截断或符号扩展出错；<code>&、|、^、~ 也直接按无限长二进制补码语义运行。但 ~x 不等于 -x-1 吗？其实是相等的——只是负数的“二进制表示”在 Python 里是无限长的全 1 前缀（比如 ~5 是 -6，其 bin() 显示为 '-0b110'，而非某固定位宽的翻转）。
常见错误现象：用 bin(~x) 调试位操作时被负号吓到；或误以为 x 会溢出——它不会，但会变慢（位移量极大时需分配巨量内存）。
- 位移操作：
x 等价于 <code>x * (2**n)，但前者更快；n为负数时报ValueError - 负数的
&行为符合数学定义：比如(-1) & 0xFF得255，因为 -1 的无限补码与 0xFF 按位与后只保留低 8 位 - 避免在循环里反复做
x.bit_length()：它每次都要扫描所有位，若位数不变，缓存结果
大整数本身没玄学，但“大”带来的内存占用和算法复杂度变化是真实存在的。最容易被忽略的是：你以为自己在做数学运算，其实是在触发内存分配器和大数乘法算法的切换——而这些切换点，文档很少明说。