Question

如果仅是如下所示的字符串连接，则立即完成。

test_str = "abcdefghijklmn123456789"
str1 = ""
str2 = ""

start = time.time()
for i in range(1, 100001):

    str1 = str1 + test_str
    str2 = str2 + test_str

    if i % 20000 == 0:
        print("time(sec) => {}".format(time.time() - start))
        start = time.time()

恒定的处理时间

time(sec) => 0.013324975967407227
time(sec) => 0.020363807678222656
time(sec) => 0.009979963302612305
time(sec) => 0.01744699478149414
time(sec) => 0.0227658748626709

无法解释的是，将串联字符串分配给另一个变量会使过程越来越慢。

test_str = "abcdefghijklmn123456789"
str1 = ""
str2 = ""

start = time.time()
for i in range(1, 100001):

    str1 = str1 + test_str
    # str2 = str2 + test_str
    # ↓
    str2 = str1

    if i % 20000 == 0:
        print("time(sec) => {}".format(time.time() - start))
        start = time.time()

处理时间将会延迟。

time(sec) => 0.36466407775878906
time(sec) => 1.105351209640503
time(sec) => 2.6467738151550293
time(sec) => 5.891657829284668
time(sec) => 9.266698360443115

python2和python3给出相同的结果。

Answer 1

通常，Python语言标准在此不做任何保证；实际上，按照定义，字符串是不可变的，并且您正在做的事情应该用任何一种方式咬住您，就像您编写了Schlemiel the Painter's algorithm的形式一样。

但是在第一种情况下，作为实现细节，CPython（参考解释器）将为您提供帮助，并在一些相当特定的条件下将字符串连接到位（技术上违反了不变性保证），使它能够遵守不变性规则的精神。最重要的条件是被连接的字符串只能在一个位置引用（如果不是，则另一个引用将在适当位置更改，从而违反了str的外观是不可变的）。通过在每个串联之后分配str2 = str1，可以确保串联时有两个引用。因此，每个串联都必须创建一个新的str 保留字符串的表观不变性。这意味着更多的内存分配和释放，更多（并逐渐增加）的内存副本，等等。

请注意，PEP 8, the Python style guide中明确建议不要依赖此优化：




应以不损害其他Python实现方式（PyPy，Jython，IronPython，Cython，Psyco等）的方式编写代码。

例如，对于格式为a += b或a = a + b的语句，请不要依赖CPython有效地实现就地字符串连接。即使在CPython中，这种优化也很脆弱（仅适用于某些类型），并且在不使用引用计数的实现中根本没有这种优化。在库的性能敏感部分，应使用''.join()形式。这样可以确保在各种实现方式中串联都在线性时间内发生。



关于“仅适用于某些类型”的注释很重要。此优化仅适用于str；在Python 2中，它不适用于unicode（即使Python 3的str基于Python 2的unicode的实现），而在Python 3中，它不适用于{ {1}}（与Python 2的bytes相似）。

将串联字符串分配给python中的变量时，为什么这么慢？

1 个答案: