由于Python的string无法更改,我想知道如何更有效地连接字符串?

我可以这样写: >或类似这样:

s += stringfromelsewhere


写这个问题的时候,我发现一篇很好的文章谈到了这个话题。 .skymind.com /〜ocrow / python_string /

但是在Python 2.x中,所以问题是在Python 3中会有所变化吗?

评论

stackoverflow.com/questions/10043636/…

#1 楼

将字符串附加到字符串变量的最佳方法是使用++=。这是因为它可读且快速。它们的速度也一样快,您选择的是一个品味问题,后者是最常见的。以下是使用timeit模块的时间:与扩展字符串相比,列表可能非常快。在某些情况下,这可能是正确的。例如,这里是一个字符的字符串的
一百万个追加,首先是字符串,然后是列表:
可以看出,即使生成的字符串长了一百万个字符,附加速度仍然更快。

现在让我们尝试将十千个字符长的字符串附加十万次:



因此,结束字符串的长度约为100MB。那太慢了,追加到列表上要快得多。该时间不包括最终的a.join()。那要花多长时间?

a = a + b:
0.11338996887207031
a += b:
0.11040496826171875


糟糕。事实证明,即使在这种情况下,append / join的速度也较慢。 Python 2吗?那是100MB的内存?)

但是真正的关键是Python 2.3。我什至不告诉您时间安排,因为它是如此之慢以至于还没有完成。这些测试突然需要几分钟。除了append / join之外,它与在以后的Python中一样快。

对。在石器时代,字符串连接在Python中非常缓慢。但是在2.4上已经不存在了(或者至少是Python 2.4.7),因此在2008年Python 2.3停止更新时,使用append / join的建议已过时,您应该已经停止使用它。 :-)

(更新:当我更仔细地进行测试时,结果发现在Python 2.3上使用++=对于两个字符串也更快。建议使用''.join()一定是一个误解)

但是,这是CPython。其他实现可能还有其他问题。这是过早优化是万恶之源的又一个原因。除非先进行测量,否则不要使用被认为“更快”的技术。

因此,进行字符串连接的“最佳”版本是使用+或+ =。如果事实证明那对您来说很慢,那是不太可能的,那么请执行其他操作。因为有时它实际上更清晰。尤其是当您应将其串联在一起时,应以空格,逗号或换行符分隔。

评论


如果您有多个字符串(n> 10),“”。join(list_of_strings)仍然会更快

–迈克·奥塔玛(Mikko Ohtamaa)
2012年8月29日在5:34

+ =快速的原因是,如果refcount为1,则cpython中会有一个性能缺陷-它在所有其他python实现中都无法使用(除了配置非常特殊的pypy build之外)

–罗尼
2012年8月29日在6:45

为什么要这么大赞?使用一种仅对一种特定实现有效的算法,并且实质上具有修复二次时间算法的脆弱技巧的更好方法是什么?您也完全误解了“过早的优化是万恶之源”的观点。那句话是谈论小优化。这是从O(n ^ 2)到O(n)的不小的优化。

– Wes
2012年8月31日在2:24



这是实际的报价:“我们应该忘掉效率低下的情况,大约有97%的时间是这样:过早的优化是万恶之源。但是,我们不应该在那3%的临界水平上放弃自己的机会。好的程序员不会由于这种推理而感到沾沾自喜,他应该明智地仔细查看关键代码;但只有在确定了该代码之后,”

– Wes
2012年8月31日在2:28

没有人说a + b慢。当您多次执行a = a + b时,这是二次方的。 a + b + c并不慢,我重复一遍也不慢,因为它只需要遍历每个字符串一次,而它必须使用a = a + b方法多次遍历先前的字符串(假定处于循环中)某种)。请记住,字符串是不可变的。

– Wes
2012年8月31日11:15



#2 楼

如果要串联很多值,那么两者都不是。追加列表很昂贵。您可以为此使用StringIO。尤其是如果您要通过大量操作构建它。

from cStringIO import StringIO
# python3:  from io import StringIO

buf = StringIO()

buf.write('foo')
buf.write('foo')
buf.write('foo')

buf.getvalue()
# 'foofoofoo'


如果您已经从其他操作中获得了完整的清单,则只需使用''.join(aList)

从python常见问题解答:将多个字符串连接在一起的最有效方法是什么? >字符串在一起效率低下,因为每个串联都会创建一个新的
对象。在一般情况下,总运行时成本是字符串总长度的二次方。

要累积许多str对象,建议的惯用法是将它们
放入列表中,然后最后调用str.join():

chunks = []
for s in my_strings:
    chunks.append(s)
result = ''.join(chunks)


(另一个相当有效的习惯用法是使用io.StringIO)

累积许多bytes对象,建议的惯用法是使用就地串联(+ =运算符)扩展
bytearray对象:

result = bytearray()
for b in my_bytes_objects:
    result += b
br />编辑:我很愚蠢,并且将结果向后粘贴,使其看起来比cStringIO更快。我还添加了针对bytearray / str concat的测试,以及第二轮使用较大字符串和较大字符串的测试。 (python 2.7.3)

用于大量字符串的ipython测试示例

try:
    from cStringIO import StringIO
except:
    from io import StringIO

source = ['foo']*1000

%%timeit buf = StringIO()
for i in source:
    buf.write(i)
final = buf.getvalue()
# 1000 loops, best of 3: 1.27 ms per loop

%%timeit out = []
for i in source:
    out.append(i)
final = ''.join(out)
# 1000 loops, best of 3: 9.89 ms per loop

%%timeit out = bytearray()
for i in source:
    out += i
# 10000 loops, best of 3: 98.5 µs per loop

%%timeit out = ""
for i in source:
    out += i
# 10000 loops, best of 3: 161 µs per loop

## Repeat the tests with a larger list, containing
## strings that are bigger than the small string caching 
## done by the Python
source = ['foo']*1000

# cStringIO
# 10 loops, best of 3: 19.2 ms per loop

# list append and join
# 100 loops, best of 3: 144 ms per loop

# bytearray() +=
# 100 loops, best of 3: 3.8 ms per loop

# str() +=
# 100 loops, best of 3: 5.11 ms per loop


评论


Py3中不存在cStringIO。请改用io.StringIO。

–lvc
2012年8月29日在1:52

至于为什么反复附加到字符串可能会很昂贵:joelonsoftware.com/articles/fog0000000319.html

– Wes
2012年8月29日在1:58

#3 楼

在Python> = 3.6中,新的f字符串是连接字符串的有效方法。

>>> name = 'some_name'
>>> number = 123
>>>
>>> f'Name is {name} and the number is {number}.'
'Name is some_name and the number is 123.'


评论


如果f'{a} {b}'的效率不及+ = b或a + b,我看不出它如何有效地响应一个专门询问性能的问题。此功能是语法糖(可以肯定的是有用的糖),而不是性能优化。

–查尔斯·达菲(Charles Duffy)
11月18日23:10



#4 楼

就稳定性和交叉实现而言,最糟糕的串联方法是使用'+'进行就地字符串串联,因为它不支持所有值。 PEP8标准不鼓励这样做,并鼓励长期使用format(),join()和append()。

如链接的“编程建议”部分所引用:


例如,对于C语言中的语句,请不要依赖于CPython有效的就地字符串连接实现。形式a + = b或a = a + b。即使在CPython中,这种优化也是脆弱的(仅适用于某些类型),并且在不使用引用计数的实现中根本不存在这种优化。在库的性能敏感部分中,应改用''.join()形式。这将确保在各种实现中串联发生线性连接。


评论


参考链接本来很好:)

–user4911648
18年2月1日在9:19

#5 楼

推荐的方法仍然是使用附加和联接。

评论


从我的回答中可以看出,这取决于要连接的字符串数。我已经为此做了一些时间安排(请参阅我在对我的答案的评论中链接到的谈话),并且通常除非超过十个,否则请使用+。

– Lennart Regebro
13年8月23日在6:39

PEP8提到了这一点(python.org/dev/peps/pep-0008/#programming-recommendations)。合理的是,尽管CPython对使用+ =的字符串连接进行了特殊的优化,但其他实现可能没有。

–Quantum7
17年7月7日在12:04

#6 楼

如果要连接的字符串是文字,请使用字符串文字连接

re.compile(
        "[A-Za-z_]"       # letter or underscore
        "[A-Za-z0-9_]*"   # letter, digit or underscore
    )


如果要注释字符串的一部分(如上所述),或者想要对部分文字而不是全部文字使用原始字符串或三引号。

#7 楼

您可以编写此函数

def str_join(*args):
    return ''.join(map(str, args))


然后您可以在任何需要的地方简单调用

str_join('Pine')  # Returns : Pine
str_join('Pine', 'apple')  # Returns : Pineapple
str_join('Pine', 'apple', 3)  # Returns : Pineapple3


评论


str_join = lambda * str_list:''.join(s为str_list中的s)

– Rick支持Monica
17年7月27日在2:05

#8 楼

虽然有些过时,但在本节中,像Pythonista一样的代码:Idiomatic Python建议使用join()而不是+。如同PythonSpeedPerformanceTips在其有关字符串连接的部分中一样,具有以下免责声明:


本节的准确性与Python的更高版本有关。在CPython 2.5中,字符串连接相当快,尽管这可能不适用于其他Python实现。有关讨论,请参见ConcatenationTestCode。


#9 楼

如@jdi所述,Python文档建议使用str.joinio.StringIO进行字符串连接。并表示,即使自Python 2.4开始进行了优化,开发人员也应期待+=的二次时间。答案如下:


如果Python检测到left参数没有其他引用,它将调用realloc来尝试通过调整字符串的大小来避免复制。这不是您应该依靠的东西,因为它是一个实现细节,并且因为如果realloc最终需要频繁移动字符串,则性能无论如何都会降低到O(n ^ 2)。


我将展示一个真实代码的示例,该示例天真地依赖于这种优化,但是并没有应用。下面的代码将可迭代的短字符串转换成较大的块,以供批量API使用。以下是具有建议的数据结构的替代方案:

def test_concat_chunk(seq, split_by):
    result = ['']
    for item in seq:
        if len(result[-1]) + len(item) > split_by: 
            result.append('')
        result[-1] += item
    return result


和微基准:

import io

def test_stringio_chunk(seq, split_by):
    def chunk():
        buf = io.StringIO()
        size = 0
        for item in seq:
            if size + len(item) <= split_by:
                size += buf.write(item)
            else:
                yield buf.getvalue()
                buf = io.StringIO()
                size = buf.write(item)
        if size:
            yield buf.getvalue()

    return list(chunk())

def test_join_chunk(seq, split_by):
    def chunk():
        buf = []
        size = 0
        for item in seq:
            if size + len(item) <= split_by:
                buf.append(item)
                size += len(item)
            else:
                yield ''.join(buf)                
                buf.clear()
                buf.append(item)
                size = len(item)
        if size:
            yield ''.join(buf)

    return list(chunk())




#10 楼

您可以用不同的方式进行操作。

 str1 = "Hello"
str2 = "World"
str_list = ['Hello', 'World']
str_dict = {'str1': 'Hello', 'str2': 'World'}

# Concatenating With the + Operator
print(str1 + ' ' + str2)  # Hello World

# String Formatting with the % Operator
print("%s %s" % (str1, str2))  # Hello World

# String Formatting with the { } Operators with str.format()
print("{}{}".format(str1, str2))  # Hello World
print("{0}{1}".format(str1, str2))  # Hello World
print("{str1} {str2}".format(str1=str_dict['str1'], str2=str_dict['str2']))  # Hello World
print("{str1} {str2}".format(**str_dict))  # Hello World

# Going From a List to a String in Python With .join()
print(' '.join(str_list))  # Hello World

# Python f'strings --> 3.6 onwards
print(f"{str1} {str2}")  # Hello World
 


我通过以下文章创建了这个小摘要。



Python 3的f字符串:改进的字符串格式语法(指南)(还包括速度测试)
格式化的字符串文字
字符串串联和在Python中格式化
分割,串联和连接字符串


#11 楼

您也可以使用此(更有效)。 (https://softwareengineering.stackexchange.com/questions/304445/why-is-s-better-than-for-concatenation)

s += "%s" %(stringfromelsewhere)


#12 楼

我的用例略有不同。我必须构造一个查询,其中有20多个字段是动态的。
我遵循了这种使用格式方法的方法

使用+或其他方式的说明