哪个是在Python中连接字符串的首选方法？

Question

由于Python 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:

s += stringfromelsewhere

或者像这样:

s = []
s.append(somestring)

later

s = ''.join(s)

在写这个问题时,我发现了一篇很好的文章谈论这个话题.

http://www.skymind.com/~ocrow/python_string/

但它是在Python 2.x.中,所以问题是在Python 3中做了哪些改变？

Answer 1

将字符串附加到字符串变量的最佳方法是使用+或+=.这是因为它可读且快速.它们也同样快,你选择的是品味问题,后者是最常见的问题.以下是timeit模块的时间安排:

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

但是,那些建议使用列表并附加到这些列表然后加入这些列表的人这样做是因为将字符串附加到列表可能会比扩展字符串快得多.在某些情况下,这可能是真的.例如,这里是一个字符串的一百万个附加,首先是一个字符串,然后是一个列表:

a += b:
0.10780501365661621
a.append(b):
0.1123361587524414

好的,事实证明即使结果字符串长达一百万个字符,附加仍然更快.

现在让我们尝试将一千个字符长的字符串附加十万次:

a += b:
0.41823482513427734
a.append(b):
0.010656118392944336

因此,结束字符串最终长约100MB.这很慢,附加到列表要快得多.那个时间不包括决赛a.join().那需要多长时间？

a.join(a):
0.43739795684814453

Oups.即使在这种情况下,附加/加入也会变慢.

那么这个推荐来自哪里？Python 2？

a += b:
0.165287017822
a.append(b):
0.0132720470428
a.join(a):
0.114929914474

好吧,如果你使用非常长的字符串(你通常不使用,你会在内存中使用100MB的字符串,那么append/join会稍微快一点)

但真正的关键是Python 2.3.在哪里我甚至不会告诉你时间,因为它太慢而还没有完成.这些测试突然需要几分钟.除了追加/连接,这与后来的Pythons一样快.

对.在石器时代,Python中的字符串连接非常慢.但是在2.4上它不再是(或者至少是Python 2.4.7),所以使用append/join的建议在2008年过时了,当时Python 2.3停止更新,你应该已经停止使用它了.:-)

(更新:原来,当我更仔细,使用做了测试+和+=比较快的两个字符串关于Python 2.3,以及推荐使用.''.join()必须是一个误会)

但是,这是CPython.其他实现可能有其他问题.这也是为什么过早优化是万恶之源的另一个原因.除非你先测量它,否则不要使用"更快"的技术.

因此,进行字符串连接的"最佳"版本是使用+或+ =.如果这对你来说变得缓慢,这是不太可能的,那么做一些其他事情.

那么为什么我在代码中使用了大量的append/join呢？因为有时它实际上更清晰.特别是当你应该连接在一起时,应该用空格或逗号或换行符分隔.

Answer 2

如果你连接很多值,那么两者都没有.附加清单很昂贵.您可以使用StringIO.特别是如果你在很多操作中构建它.

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返回了完整列表,那么只需使用 ''.join(aList)

来自python FAQ:将多个字符串连接在一起的最有效方法是什么？

str和bytes对象是不可变的,因此将多个字符串连接在一起效率很低,因为每个连接都会创建一个新对象.在一般情况下,总运行时间成本是总字符串长度的二次方.

要累积许多str对象,推荐的习惯用法是将它们放入一个列表中并在结尾处调用str.join():

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

(另一个合理有效的习惯是使用io.StringIO)

要累积许多字节对象,推荐的习惯用法是使用就地连接(+ =运算符)扩展bytearray对象:

result = bytearray()
for b in my_bytes_objects:
    result += b

编辑:我是愚蠢的,并将结果向后粘贴,使其看起来像是附加到列表比cStringIO更快.我还添加了对bytearray/str concat的测试,以及使用带有更大字符串的更大列表的第二轮测试.(python 2.7.3)

用于大型字符串列表的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

Answer 3

在Python> = 3.6中,新的f-string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.'

Answer 4

推荐的方法仍然是使用append和join.

Answer 5

如果要连接的字符串是文字,请使用字符串文字串联

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

如果您想要对字符串的一部分进行注释(如上所述),或者您希望对文字的一部分使用原始字符串或三重引号但不是全部,则此选项非常有用.

由于这发生在语法层,因此它使用零连接运算符.

Answer 6

虽然有些过时,代码像Pythonista:地道的Python建议join()在+ 本节.与PythonSpeedPerformanceTips在字符串连接一节中一样,使用以下免责声明:

对于更高版本的Python,本节的准确性存在争议.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.

Answer 7

使用'+'进行字符串连接是稳定性和交叉实现方面最糟糕的连接方法,因为它不支持所有值.PEP8标准不鼓励这种做法,并鼓励使用format(),join()和append()进行长期使用.

Answer 8

你写这个函数

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

然后，您可以随时随地致电

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

Answer 9

你可以用不同的方式来做。

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总结。

• Python 3 的 f-Strings：改进的字符串格式语法（指南）（还包括速度测试）
• 格式化字符串文字
• 字符串连接和格式化
• 在 Python 中拆分、连接和连接字符串

Answer 10

如@jdi所述，Python文档建议使用str.join或io.StringIO进行字符串连接。并说开发人员应该从+=循环中期待二次时间，即使自Python 2.4开始进行了优化。正如这个答案所说：

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，性能无论如何都会降低到O（n ^ 2）。

我将展示一个天真地依靠+=这种优化的真实代码示例，但它并不适用。下面的代码将可迭代的短字符串转换为更大的块，以用于批量API。

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

由于二次时间的复杂性，该代码可能在文学上运行数小时。以下是具有建议的数据结构的替代方案：

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())

还有一个微基准测试：

import timeit
import random
import string
import matplotlib.pyplot as plt

line = ''.join(random.choices(
    string.ascii_uppercase + string.digits, k=512)) + '\n'
x = []
y_concat = []
y_stringio = []
y_join = []
n = 5
for i in range(1, 11):
    x.append(i)
    seq = [line] * (20 * 2 ** 20 // len(line))
    chunk_size = i * 2 ** 20
    y_concat.append(
        timeit.timeit(lambda: test_concat_chunk(seq, chunk_size), number=n) / n)
    y_stringio.append(
        timeit.timeit(lambda: test_stringio_chunk(seq, chunk_size), number=n) / n)
    y_join.append(
        timeit.timeit(lambda: test_join_chunk(seq, chunk_size), number=n) / n)
plt.plot(x, y_concat)
plt.plot(x, y_stringio)
plt.plot(x, y_join)
plt.legend(['concat', 'stringio', 'join'], loc='upper left')
plt.show()