C++ 中的隨機整數是從某個範圍中抽取、無法預測其規律的一個值，你可以透過結合一個隨機位元來源（引擎）與一個將這些位元對應到自訂最小值與最大值的分配來產生它。現代且建議的做法是引入 <random> 標頭，建立一個以 std::random_device 作為種子的 std::mt19937 引擎，並透過 std::uniform_int_distribution<int>(min, max) 來取得數值；較舊的 rand() 方式仍然可用，但產生的序列品質較低且端點會有偏差。對於不需要編譯程式的任務——例如為試算表產生 ID、為調查挑選樣本，或從編號清單中選出優勝者——以瀏覽器為基礎的工具速度更快，同樣公平。
在 C++ 中取得隨機數的兩種方式
大多數開發者會選擇以下兩種做法之一。舊式做法使用 <cstdlib> 中的 rand()，並以 srand(time(0)) 作為種子，再搭配經典的取模技巧將輸出壓縮到某個範圍。它能在每個編譯器上編譯，而且容易教學，但結果並非在所有整數上均勻分布，且最大值上限為 RAND_MAX，C 標準只要求它至少為 32767。現代做法則使用 C++11 引入的 <random> 標頭，它將引擎（隨機位元的來源）與分配（輸出的形狀）分離開來。正是這樣的分離，使得 std::uniform_int_distribution 能在含頭含尾的範圍中提供真正均勻的結果。
舊式做法：rand() 與 srand()
經典的模式看起來像這樣：
#include <iostream>
#include <cstdlib>
#include <ctime>
int main() {
std::srand(static_cast<unsigned>(std::time(0)));
int min = 1;
int max = 100;
int value = min + std::rand() % (max - min + 1);
std::cout << value << std::endl;
return 0;
}它簡短且易讀，因此仍然是教學內容的一部分。問題出在統計上：rand() 會回傳 [0, RAND_MAX] 範圍內的值，當 RAND_MAX + 1 無法被你的範圍大小整除時，某些輸出值出現的機率會比其他值略高。對於遊戲或學習練習來說這幾乎不會造成影響；但對於模擬、密碼學，或任何對公平性敏感的使用情境，這就是個問題。
現代做法：std::mt19937 與 uniform_int_distribution
如果你想要 C++ 中符合教科書的正確模式，就是這樣：
#include <iostream>
#include <random>
int main() {
std::random_device rd;
std::mt19937 engine(rd());
std::uniform_int_distribution<int> dist(1, 100);
int value = dist(engine);
std::cout << value << std::endl;
return 0;
}這裡發生三件事。std::random_device 會在可行的情況下從作業系統讀取不具確定性的位元，因此每次執行的種子都不同。std::mt19937 是一個 32 位元的梅森旋轉演算法引擎，它會將這些種子位元轉換成一長串高品質的虛擬隨機序列。std::uniform_int_distribution<int>(1, 100) 則保證從 1 到 100 之間——含頭含尾——的每個整數出現的機率都一樣，這正是大多數人在說「介於 1 到 100 之間的隨機數」時實際想要的行爲。
一步步在 C++ 中產生隨機數
- 引入正確的標頭。在檔案頂端加入
#include <random>。若採用舊式做法，則改用#include <cstdlib>。 - 建立隨機位元來源。宣告
std::random_device rd;以取得不具確定性的種子，接著將它包進一個引擎，例如std::mt19937 engine(rd());。如果只是測試時需要確定性，也可以改用固定的整數作為種子。 - 定義你的範圍。挑選一個最小值與最大值，兩者都包含在內。例如
int min = 1;與int max = 100;。 - 建立分配器。撰寫
std::uniform_int_distribution<int> dist(min, max);。每次想要取一個值時，把引擎傳給dist：int value = dist(engine);。 - 若需要多個值就重複呼叫。再次呼叫
dist(engine)。例如要從 1 到 50 取出 10 個值的迴圈：for (int i = 0; i < 10; ++i) std::cout << dist2(engine) << " ";。 - 決定是否允許重複。若不允許重複，將每次結果存入
std::set<int>或std::unordered_set<int>中，並持續取值直到蒐集到足夠數量的唯一值，或在合理的重試次數上限後停止。
什麼時候該跳過程式碼，改用瀏覽器工具
只是為了從 1 到 50 中挑一個數字，就編譯一個小型的 C++ 程式實在太殺雞用牛刀。對於課堂示範、抽獎活動、抽樣、QA 測試資料，或任何單純需要從已知範圍中取得公平整數的任務，使用瀏覽器內的工具會更快。Lizely 上的隨機數產生器完全在你的瀏覽器中執行，讓你輸入安全整數範圍內的最小值與最大值，選擇介於 1 到 1,000 之間的結果數量，並決定是否允許重複。所有資料都不會離開你的裝置，因此無論是用於敏感的樣本或課堂環境都很合適。
常見模式與邊界情況
有幾種模式經常出現，值得記住。若要在 [0, 1) 範圍內產生隨機的 double，請使用 std::uniform_real_distribution<double> dist(0.0, 1.0);。若要產生隨機的 bool，請使用 std::uniform_int_distribution<int> dist(0, 1); 並自行轉換。若要從 std::vector 中挑選一個元素，僅在 vec.size() 相對於引擎範圍很小時，才用 dist(engine) % vec.size() 來索引；為了安全起見，請改用 std::uniform_int_distribution<std::size_t>(0, vec.size() - 1) 來包裝它。請記得重新建立分配器或謹慎地重複使用它；隨著每次呼叫而推進狀態的是引擎，而非分配器。
種子只設定一次，不要寫在迴圈裡
新手常見的錯誤是在取值迴圈內呼叫 srand(time(0))（甚至是在迴圈內建構 std::mt19937(rd())）。由於時鐘的解析度是一秒，迴圈內的每次取值都會看到相同的種子，因而產生相同的數字。請在迴圈之前設定種子一次，並把引擎傳入。
含頭含尾範圍 vs. 半開範圍
std::uniform_int_distribution<int> 在設計上兩端都包含，這符合大多數人描述範圍的方式。較舊的 rand() % n 慣用法則是半開範圍 [0, n)，會默默地把最大值捨棄掉。如果你正在移轉舊程式碼，請再次確認原本的設計是否包含上界。
比較這三種做法
| 做法 | 標頭 | 範圍形狀 | 品質 | 最佳用途 |
|---|---|---|---|---|
| rand() + % | <cstdlib> | 透過取模技巧得到 [min, max] | 低；端點略有偏差 | 學習練習、暫存腳本 |
| std::mt19937 + uniform_int_distribution | <random> | 含頭含尾 [min, max] | 高；均勻 | 正式產品程式碼、模擬、遊戲 |
| 瀏覽器型 RNG | 無 (JS) | 含頭含尾 [min, max]，1–1,000 筆結果 | 高；透過 Web Crypto 在本機執行 | 快速抽籤、抽樣、抽獎活動、課堂 |
統整所有重點
如果你正在撰寫 C++，請選擇以 std::random_device 作為種子的 std::mt19937，搭配一個 std::uniform_int_distribution；這個組合簡短、可移植且統計上正確。如果你只是為了非程式設計任務需要取得單一整數或少數幾個值，請完全跳過編譯步驟，改用隨機數產生器來取得含頭含尾、且資料都留在瀏覽器內的整數。至於相關的工作流程，同樣的「引擎加上分配」模式也出現在在 MATLAB 中產生隨機數的情境中，而關於不寫程式就能挑選數字的更廣泛概覽，則收錄在如何為任何任務產生隨機數指南中。如果你的數字其實是擲骰結果，那麼骰子擲骰器工具以同樣的「全程在本機」理念，支援 d4 到 d20 的各種骰子。
值得記住的 FAQ 式提醒
在你撰寫任何隨機性程式碼之前，有三個快速提醒：std::uniform_int_distribution 使用含尾的上界，因此 dist(engine) 在法律上可能回傳你所指定的最大值；std::uniform_real_distribution 使用半開的上界，永遠不會剛好回傳 1.0，這對於「以均勻值作為除數」的邏輯至關重要；而 std::random_device 在沒有硬體來源的平台上可能會回退為確定性引擎，因此不應單獨依賴它來產生安全性相關的金鑰——在此情境下，請使用經過審核的密碼學函式庫，而非 <random>。
如果你正在權衡各種選項，如何在各種場合寫出得體的讚美對此有詳細說明。
如果你正在權衡各種選項，如何在 Excel 中建立日期下拉式清單對此有詳細說明。