Python .join 或字符串连接

Question

我意识到，如果您有一个可迭代对象，则应该始终使用 .join(iterable) 而不是 for x in y: str += x。但是，如果只有固定数量的变量尚未存在于可迭代中，那么使用 .join() 仍然是推荐的方法吗？

例如，我应

user = 'username'
host = 'host'

该做什么

ret = user + '@' + host

，或者

ret = '@'.join([user, host])

从性能的角度来看我没有太多要求，因为两者都非常微不足道。但我读到这里的人说总是使用 .join() ，我想知道是否有任何特殊原因，或者使用 .join() 通常是一个好主意。

Answer 1

如果您要创建这样的字符串，通常需要使用字符串格式：

>>> user = 'username'
>>> host = 'host'
>>> '%s@%s' % (user, host)
'username@host'

Python 2.6 添加了另一种形式，它不依赖于运算符重载并且具有一些额外的功能：

>>> '{0}@{1}'.format(user, host)
'username@host'

作为一般准则，大多数人会使用 仅当他们在那里添加两个字符串时，才在字符串上添加 + 。对于更多部分或更复杂的字符串，它们要么使用字符串格式（如上所示），要么将列表中的元素组合在一起并将它们连接在一起（特别是如果涉及任何形式的循环）。使用 str.join() 的原因 的一点是，将字符串添加在一起意味着每次添加都会创建一个新字符串（并且可能会破坏旧字符串）。。 Python 有时可以对此进行优化，但是 str.join() 很快就会变得更清晰、更明显并且速度明显更快。

Answer 2

我认为这个问题的意思是：“这样做可以吗：”

ret = user + '@' + host

……答案是可以。那完全没问题。

当然，您应该知道可以在 Python 中执行的很酷的格式化操作，并且您应该知道对于长列表，“join”是可行的方法，但是对于像这样的简单情况，您所拥有的是完全正确。它简单明了，性能不会成为问题。

Answer 3

（我很确定所有指向字符串格式化的人都完全忽略了这个问题。）

通过构造数组并连接它来创建字符串只是出于性能原因。除非您需要这种性能，或者除非它恰好是实现它的自然方式，否则这样做比简单的字符串连接没有任何好处。

说 '@'.join([user, host]) 是不直观的。这让我想知道：他为什么要这么做？其中有什么微妙之处吗？是否存在可能存在多个“@”的情况？答案当然是否定的，但与以自然方式编写相比，需要更多时间才能得出该结论。

不要仅仅为了避免字符串连接而扭曲代码；这本身并没有什么问题。连接数组只是一种优化。

Answer 4

我只是注意到，我一直倾向于使用就地连接，直到我重新阅读 Python 通用风格 PEP Python 代码的 PEP-8 风格指南。

• 代码的编写方式不应损害其他人的利益
  Python 的实现（PyPy、Jython、IronPython、Pyrex、Psyco、
  等等）。
  例如，不要依赖 CPython 的高效实现
  a+=b 或 a=a+b 形式的语句的就地字符串连接。
  这些语句在 Jython 中运行得更慢。在性能敏感的情况下
  对于库的某些部分，应使用 ''.join() 形式。这
  将确保串联在各种不同的线性时间内发生
  实现。

从此以后，我一直在转向使用连接的做法，以便在效率尤为关键时保留这种习惯，作为一种更自动的做法。

所以我将投票支持：

ret = '@'.join([user, host])

Answer 5

我接下来使用：

ret = '%s@%s' % (user, host)

Answer 6

我推荐 join() 而不是串联，基于两个方面：

1. 更快。
2. 更优雅。

关于第一方面，这里有一个例子：

import timeit    

s1 = "Flowers"    
s2 = "of"    
s3 = "War"    

def join_concat():    
    return s1 + " " + s2 + " " + s3  

def join_builtin():    
    return " ".join((s1, s2, s3))    

print("Join Concatenation: ", timeit.timeit(join_concat))         
print("Join Builtin:       ", timeit.timeit(join_builtin))

输出：

$ python3 join_test.py
Join Concatenation:  0.40386943198973313
Join Builtin:        0.2666833929979475

考虑到一个巨大的数据集（数百万行）及其处理，每行 130 毫秒，这太多了。

而对于第二个方面，确实更加优雅。