在计算数学相关的编程题目时，阶乘末尾零的个数是常见需求。理解其背后的数学原理，并用合适的Python代码实现，能显著提升程序效率。本文从原理出发，逐步给出可直接使用的高效写法。
一、阶乘末尾零的数学原理
所谓阶乘末尾零，是指 n! 写成十进制后，最右侧连续零的数量。每一个末尾零都对应一个因子 10，而 10 = 2 × 5。在 1 到 n 的连续整数中，含有因子 2 的数明显多于含有因子 5 的数。例如偶数都至少带一个 2，而只有 5 的倍数才带 5。因此能配成多少对 (2, 5)，完全由因子 5 的总数量决定。
那么如何统计 1 到 n 中因子 5 的个数？简单的想法是：先数有多少个数是 5 的倍数（每个至少贡献一个 5），再数有多少是 25 的倍数（额外多贡献一个 5），接着数 125 的倍数，以此类推。公式表达为：零的个数 = floor(n/5) + floor(n/25) + floor(n/125) + ... 直到除数大于 n 为止。这种思路避免了真正去计算庞大的阶乘值。
1.1 为什么不能直接算阶乘
用 Python 直接算 n! 再转字符串数零，在 n 较大时会产生巨大的大整数。例如 10000! 的位数超过三万，不仅内存占用高，而且乘法本身耗时随位数平方级增长。更关键的是，末尾零的信息其实早就隐含在因子统计里，完全没必要算出全部数字。
下面是一段反面示例，展示不推荐的做法：
def count_zero_naive(n):
res = 1
for i in range(2, n + 1):
res *= i
s = str(res)
cnt = 0
for ch in reversed(s):
if ch == '0':
cnt += 1
else:
break
return cnt
# 当 n=10000 时，这段代码极慢且耗内存
print(count_zero_naive(10))
上述代码在 n 较小时还能运行，但一旦 n 上千就会明显卡顿。它把本来 O(log n) 的问题变成了 O(n log n) 甚至更差，还没有利用数学性质。
二、高效计算方法与Python实现
基于前面的原理，高效方法就是循环用 n 除以 5 并累加商。每次将 n 更新为 n // 5，直到 n 为 0。这样自动涵盖了 25、125 等更高次幂的额外贡献，因为第二次除以 5 其实就是在数 25 的倍数，第三次在数 125 的倍数。
这种算法时间复杂度为 O(log_5 n)，空间复杂度 O(1)，对任何合理的 n 都能瞬间出结果。下面是标准实现：
def count_trailing_zeros(n):
# n 为非负整数
if n < 0:
return 0
cnt = 0
while n > 0:
n //= 5
cnt += n
return cnt
# 测试几个常见值
print(count_trailing_zeros(5)) # 输出 1
print(count_trailing_zeros(10)) # 输出 2
print(count_trailing_zeros(100)) # 输出 24
代码中 n //= 5 使用整数除法，保证只取商。循环体内先把 n 缩小再累加，等价于前面公式的逐项求和。该写法清晰且不易出错，是面试和竞赛中的标准答案。
2.1 递归版本对比
有些开发者喜欢用递归表达，逻辑相同但多用了调用栈。示例如下：
def count_zeros_rec(n):
if n == 0:
return 0
return n // 5 + count_zeros_rec(n // 5)
print(count_zeros_rec(100))
递归版本在代码风格上更紧凑，但 Python 有默认递归深度限制，虽然本题 n 缩得很快一般不会触顶，但仍不如循环版本稳妥。两者时间复杂度一致，实际工程推荐循环写法。
三、边界情况与扩展思考
需要注意 n 为 0 或负数时，0! 定义为 1，末尾零个数为 0；负数没有阶乘定义，函数应返回 0 或抛异常，上面的循环版已对负数做了保护。另外若题目变成求进制下末尾零（比如二进制末尾零），原理类似，只是统计因子 2 的个数，可用 n & -n 或不断除以 2 的方式。
在批量查询的场景，如果多次调用且 n 递增，还可以缓存之前的商加速，但单次调用意义不大。理解因子分解的本质，比背代码更重要，这样遇到变体题也能迅速推导。
| 方法 | 时间复杂度 | 空间复杂度 | 适用规模 |
|---|---|---|---|
| 直接算阶乘 | O(n log n) | O(n log n) | n < 1000 |
| 循环除5 | O(log n) | O(1) | 任意合理n |
| 递归除5 | O(log n) | O(log n) | 任意合理n |
通过对比可以看出，掌握数学原理后写出的一行循环，比粗暴计算不知高效多少倍。这也是编程中用数学换性能的典型例子。