Question

我看过很多帖子（例如here和here）谈到Python中的连接，如何做到最好（'+'vs'，'），这更快等等。但我似乎无法找出为什么这很重要。 Roger Pate在第一个例子中提到了关于传递多个参数与一个参数的问题，但我仍然不清楚。

那么，为什么连接很重要？什么是一个关键的用例？

Answer 1

因为通常+ n字符串会导致n-1内存分配O(n)。通过邻接连接在解析器中完成，并执行1次分配。例如，''.join(iter(s))连接将执行O(log(n))总共2n个内存的分配/副本。

> a = ['a'] * 100000
> def concat(strings):
      c = ''
      for s in strings:
          c += s
      return c
> %timeit ''.join(a)       # precalculates necessary buffer size
1000 loops, best of 3: 1.07 ms per loop
> %timeit ''.join(iter(a)) # allocates exponentially larger buffers
1000 loops, best of 3: 1.94 ms per loop
> %timeit concat(a)        # allocates a new buffer n-1 times
100 loops, best of 3: 7.15 ms per loop

Answer 2

字符串是Python中的不可变对象，因此您无法修改现有字符串。这意味着字符串的每个串联都会导致创建一个新的字符串对象，并抛弃两个（源对象）。内存分配很昂贵，足以解决这个问题。

因此，当您知道需要连接多个字符串时，请将它们存储在列表中。最后，只需一次，使用''.join(list_of_strings)加入该列表。这样，新的字符串只会被创建一次。

请注意，这也适用于其他语言。例如，Java和C＃都具有StringBuilder类型，它们基本相同。只要你继续添加新的字符串部分，它们就会在内部将它添加到字符串中，并且只有当你将构建器转换为真正的字符串时，连接才会发生 - 而且只会发生一次。

另请注意，当您在一行中追加几个字符串时，就会发生这种内存分配开销。例如，a + b + c + d将创建三个中间字符串。如果查看该表达式的字节代码，可以看到：

>>> dis.dis('a + b + c + d')
  1           0 LOAD_NAME                0 (a) 
              3 LOAD_NAME                1 (b) 
              6 BINARY_ADD           
              7 LOAD_NAME                2 (c) 
             10 BINARY_ADD           
             11 LOAD_NAME                3 (d) 
             14 BINARY_ADD           
             15 RETURN_VALUE

每个BINARY_ADD汇总前两个值，并为堆栈上的结果创建一个新对象。请注意，对于常量字符串文字，编译器足够聪明，可以注意到您正在添加常量：

>>> dis.dis('"foo" + "bar" + "baz"')
  1           0 LOAD_CONST               4 ('foobarbaz') 
              3 RETURN_VALUE

如果你确实在其中有一些可变部分 - 例如，如果你想生成一个格式良好的输出 - 那么你又回到创建中间字符串对象。在这种情况下，使用str.format是一个好主意，例如'foo {} bar {} baz'.format(a, b)。

为什么字符串连接在Python中很重要？

2 个答案: