ASP.NET 產生指定日期區間內的隨機日期時間

需求場景

測試資料生成、模擬排程、隨機抽獎等情境常需要在兩個日期時間之間產生隨機值。本文提供一個簡潔、可重用的靜態方法實作。

核心演算法邏輯

1. 計算結束時間與起始時間的 TimeSpan 差異，取得總天數。
2. 使用 Random.Next(0, totalDays) 產生 0 到總天數 (不含) 的隨機整數。
3. 從結束時間減去隨機天數，並將時分秒歸零 (或保留原始時間部分，視需求調整)。

完整實作代碼

/// 

/// 在指定日期區間內產生隨機日期 (含起始日，不含結束日)
/// 
/// 起始日期時間
/// 結束日期時間 (需大於起始時間)
/// 隨機日期，時間部分歸零 (00:00:00)
public static DateTime RandomTime(DateTime startTime, DateTime endTime)
{
    if (endTime <= startTime)
        throw new ArgumentException("結束時間必須大於起始時間", nameof(endTime));

    // 建議將 Random 設為 static 欄位避免短時間重複實例化導致相同種子
    // static readonly Random _rnd = new Random();
    Random rd = new Random(); // 簡易示範，生產環境請改用 static 欄位

    TimeSpan span = endTime - startTime;
    int randomDays = rd.Next(0, span.Days); // 0 ~ Days-1
    // 從結束時間往前減去隨機天數，並將時分秒設為 0
    DateTime result = endTime.AddDays(-randomDays)
                             .Date; // .Date 等同 AddHours(0).AddMinutes(0).AddSeconds(0)

    return result;
}

使用範例

DateTime start = new DateTime(2024, 1, 1);
DateTime end   = new DateTime(2024, 12, 31);

for (int i = 0; i < 5; i++)
{
    DateTime rnd = RandomTime(start, end);
    Console.WriteLine(rnd.ToString("yyyy-MM-dd"));
}
/* 輸出範例
2024-03-15
2024-09-22
2024-01-08
2024-11-30
2024-06-17
*/

進階變體：保留時間隨機性

若需包含時分秒的完整隨機 DateTime：

public static DateTime RandomDateTime(DateTime start, DateTime end)
{
    if (end <= start) throw new ArgumentException("end must > start");
    long startTicks = start.Ticks;
    long endTicks = end.Ticks;
    long range = endTicks - startTicks;
    // Random.Next 無法直接處理 long，需自行映射
    byte[] buffer = new byte[8];
    using (var rng = System.Security.Cryptography.RandomNumberGenerator.Create())
    {
        rng.GetBytes(buffer);
    }
    long randomTicks = startTicks + (Math.Abs(BitConverter.ToInt64(buffer, 0)) % range);
    return new DateTime(randomTicks);
}

注意事項

• Random 執行緒不安全：多執行緒環境請使用 ThreadLocal<Random> 或 lock 保護共用實例，或改用 System.Security.Cryptography.RandomNumberGenerator。
• 邊界條件：上方實作為「含起始、不含結束」，若需「含結束」請將 rd.Next(0, span.Days + 1)。
• 效能：單次呼叫極快，大量生成 (百萬筆以上) 建議批次產生 TimeSpan 再向量化運算。