Python 中的字符串连接与字符串替换

Question

在 Python 中，我不知道何时何地使用字符串连接与字符串替换。 由于字符串连接在性能方面有了很大的提升，这是（变得更加）一种风格决定而不是实际决定吗？

举一个具体的例子，应该如何处理灵活 URI 的构造：

DOMAIN = 'http://stackoverflow.com'
QUESTIONS = '/questions'

def so_question_uri_sub(q_num):
    return "%s%s/%d" % (DOMAIN, QUESTIONS, q_num)

def so_question_uri_cat(q_num):
    return DOMAIN + QUESTIONS + '/' + str(q_num)

编辑：还有关于加入字符串列表和使用命名替换的建议。 这些都是中心主题的变体，即，什么时候做这件事的正确方法？ 感谢您的回复！

Answer 1

根据我的机器，串联速度（明显）更快。 但从风格上来说，如果性能并不重要，我愿意付出替代的代价。 好吧，如果我需要格式化，甚至不需要问这个问题......除了使用插值/模板之外别无选择。

>>> import timeit
>>> def so_q_sub(n):
...  return "%s%s/%d" % (DOMAIN, QUESTIONS, n)
...
>>> so_q_sub(1000)
'http://stackoverflow.com/questions/1000'
>>> def so_q_cat(n):
...  return DOMAIN + QUESTIONS + '/' + str(n)
...
>>> so_q_cat(1000)
'http://stackoverflow.com/questions/1000'
>>> t1 = timeit.Timer('so_q_sub(1000)','from __main__ import so_q_sub')
>>> t2 = timeit.Timer('so_q_cat(1000)','from __main__ import so_q_cat')
>>> t1.timeit(number=10000000)
12.166618871951641
>>> t2.timeit(number=10000000)
5.7813972166853773
>>> t1.timeit(number=1)
1.103492206766532e-05
>>> t2.timeit(number=1)
8.5206360154188587e-06

>>> def so_q_tmp(n):
...  return "{d}{q}/{n}".format(d=DOMAIN,q=QUESTIONS,n=n)
...
>>> so_q_tmp(1000)
'http://stackoverflow.com/questions/1000'
>>> t3= timeit.Timer('so_q_tmp(1000)','from __main__ import so_q_tmp')
>>> t3.timeit(number=10000000)
14.564135316080637

>>> def so_q_join(n):
...  return ''.join([DOMAIN,QUESTIONS,'/',str(n)])
...
>>> so_q_join(1000)
'http://stackoverflow.com/questions/1000'
>>> t4= timeit.Timer('so_q_join(1000)','from __main__ import so_q_join')
>>> t4.timeit(number=10000000)
9.4431309007150048

Answer 2

不要忘记命名替换：

def so_question_uri_namedsub(q_num):
    return "%(domain)s%(questions)s/%(q_num)d" % locals()

Answer 3

小心在循环中连接字符串！字符串连接的成本与结果的长度成正比。 循环将直接带您进入 N 平方区域。 某些语言会优化与最近分配的字符串的串联，但指望编译器将二次算法优化为线性是有风险的。 最好使用原语（join？），它接受整个字符串列表，进行一次分配，然后一次性将它们全部连接起来。

Answer 4

“由于字符串连接大大提高了性能......”

如果性能很重要，那么了解这一点是件好事。

然而，我见过的性能问题从未归结为字符串操作。 我通常会因为 I/O、排序和 O(n²) 操作成为瓶颈而遇到麻烦。

在字符串操作成为性能限制因素之前，我将坚持使用显而易见的内容。 大多数情况下，当它是一行或更少时，这是替换，当它有意义时，是串联，当它很大时，是一个模板工具（如 Mako）。

Answer 5

您想要连接/插值的内容以及您想要如何格式化结果应该决定您的决定。

• 字符串插值允许您轻松添加格式。 事实上，您的字符串插值版本与串联版本所做的事情并不相同。 它实际上在 q_num 参数之前添加了一个额外的正斜杠。 要执行相同的操作，您必须在该示例中编写 return DOMAIN + QUESTIONS + "/" + str(q_num)。

• 插值可以更轻松地格式化数字； “%d of %d (%2.2f%%)” %（当前、总计、总计/当前） 在串联形式中可读性要差得多。

• 当您没有固定数量的要字符串化的项目时，串联非常有用。

另外，要知道 Python 2.6 引入了新版本的字符串插值，称为 字符串模板：

def so_question_uri_template(q_num):
    return "{domain}/{questions}/{num}".format(domain=DOMAIN,
                                               questions=QUESTIONS,
                                               num=q_num)

字符串模板预计最终会取代 %-interpolation，但我认为这在很长一段时间内不会发生。

Answer 6

我只是出于好奇而测试不同字符串连接/替换方法的速度。 关于这个主题的谷歌搜索将我带到了这里。 我想我应该发布我的测试结果，希望它可以帮助别人做出决定。

    import timeit
    def percent_():
            return "test %s, with number %s" % (1,2)

    def format_():
            return "test {}, with number {}".format(1,2)

    def format2_():
            return "test {1}, with number {0}".format(2,1)

    def concat_():
            return "test " + str(1) + ", with number " + str(2)

    def dotimers(func_list):
            # runs a single test for all functions in the list
            for func in func_list:
                    tmr = timeit.Timer(func)
                    res = tmr.timeit()
                    print "test " + func.func_name + ": " + str(res)

    def runtests(func_list, runs=5):
            # runs multiple tests for all functions in the list
            for i in range(runs):
                    print "----------- TEST #" + str(i + 1)
                    dotimers(func_list)

...运行 runtests((percent_, format_, format2_, concat_), runs=5) 后，我发现 % 方法在这些小字符串上的速度大约是其他方法的两倍。 concat 方法始终是最慢的（勉强）。 在 format() 方法中切换位置时存在非常微小的差异，但切换位置总是比常规格式方法慢至少 0.01。

测试结果示例：

    test concat_()  : 0.62  (0.61 to 0.63)
    test format_()  : 0.56  (consistently 0.56)
    test format2_() : 0.58  (0.57 to 0.59)
    test percent_() : 0.34  (0.33 to 0.35)

我运行这些是因为我在脚本中使用了字符串连接，我想知道成本是多少。 我以不同的顺序运行它们，以确保没有任何干扰，或者首先或最后获得更好的性能。 顺便说一句，我在 "%s" + ("a" * 1024) 等函数中添加了一些更长的字符串生成器，常规 concat 的速度几乎是 3 倍（1.1 vs 2.8）使用 format 和 % 方法。 我想这取决于字符串以及您想要实现的目标。 如果性能真的很重要，那么尝试不同的事情并测试它们可能会更好。 我倾向于选择可读性而不是速度，除非速度成为问题，但这只是我。 所以不喜欢我的复制/粘贴，我不得不在所有内容上添加 8 个空格才能使其看起来正确。 我一般用4个。

Answer 7

请记住，如果您计划维护或调试代码，风格决策是实际的决策:-) Knuth 有一句名言（可能引用 Hoare？）：“我们应该忘记小的效率，比如大约 97% 的情况下：过早的优化是万恶之源。”

只要你小心不要（比如说）将 O(n) 任务变成 O(n²) 任务，我就会选择你认为最容易理解的任务。

Answer 8

我会尽可能地使用替换。 仅当我在 for 循环中构建字符串时，我才使用串联。

Answer 9

实际上，在这种情况下（构建路径），正确的做法是使用 os.path.join。 不是字符串连接或插值