30

我已经用谷歌搜索并在 SO 上搜索这些缓冲区模块之间的区别。但是，我仍然不太了解，我认为我阅读的一些帖子已经过时了。

在 Python 2.7.11 中，我使用r = requests.get(url). 然后我将StringIO.StringIO(r.content),cStringIO.StringIO(r.content)和传递io.BytesIO(r.content)给了一个为解析内容而设计的函数。

这三种方法都可用。我的意思是，即使文件是二进制文件，使用StringIO. 为什么？

另一件事是关于他们的效率。

In [1]: import StringIO, cStringIO, io

In [2]: from numpy import random

In [3]: x = random.random(1000000)

In [4]: %timeit y = cStringIO.StringIO(x)
1000000 loops, best of 3: 736 ns per loop

In [5]: %timeit y = StringIO.StringIO(x)
1000 loops, best of 3: 283 µs per loop

In [6]: %timeit y = io.BytesIO(x)
1000 loops, best of 3: 1.26 ms per loop

如上图所示，cStringIO > StringIO > BytesIO.

我发现有人提到io.BytesIO总是制作一个新副本，这会花费更多时间。但也有一些帖子提到，这在后来的 Python 版本中已修复。

IO那么，任何人都可以在最新的 Python 2.x 和 3.x 中对这些 s 进行彻底的比较吗？

我找到的一些参考资料：

  • https://trac.edgewall.org/ticket/12046

    io.StringIO 需要一个 unicode 字符串。io.BytesIO 需要一个字节字符串。StringIO.StringIO 允许 unicode 或字节字符串。cStringIO.StringIO 需要一个被编码为字节字符串的字符串。

但cStringIO.StringIO('abc')不会引发任何错误。

2014 年的这篇文章中有一个修复补丁。

  • 此处未列出许多 SO 帖子。

这是 Eric 示例的 Python 2.7 结果

%timeit cStringIO.StringIO(u_data)
1000000 loops, best of 3: 488 ns per loop
%timeit cStringIO.StringIO(b_data)
1000000 loops, best of 3: 448 ns per loop
%timeit StringIO.StringIO(u_data)
1000000 loops, best of 3: 1.15 µs per loop
%timeit StringIO.StringIO(b_data)
1000000 loops, best of 3: 1.19 µs per loop
%timeit io.StringIO(u_data)
1000 loops, best of 3: 304 µs per loop
# %timeit io.StringIO(b_data)
# error
# %timeit io.BytesIO(u_data)
# error
%timeit io.BytesIO(b_data)
10000 loops, best of 3: 77.5 µs per loop

至于 2.7，cStringIO.StringIO并且StringIO.StringIO比io.

4

1 回答 1

25

您应该在 python 2 和 3 中io.StringIO用于处理unicode对象和io.BytesIO处理bytes对象，以实现前向兼容性（这是 3 所必须提供的）。

这是一个更好的测试（对于 python 2 和 3），它不包括从 numpy 到str/bytes

import numpy as np
import string
b_data = np.random.choice(list(string.printable), size=1000000).tobytes()
u_data = b_data.decode('ascii')
u_data = u'\u2603' + u_data[1:]  # add a non-ascii character

接着：

import io
%timeit io.StringIO(u_data)
%timeit io.StringIO(b_data)
%timeit io.BytesIO(u_data)
%timeit io.BytesIO(b_data)

在 python 2 中，您还可以测试：

import StringIO, cStringIO
%timeit cStringIO.StringIO(u_data)
%timeit cStringIO.StringIO(b_data)
%timeit StringIO.StringIO(u_data)
%timeit StringIO.StringIO(b_data)

其中一些会崩溃，抱怨非ASCII字符

Python 3.5 结果：

>>> %timeit io.StringIO(u_data)
100 loops, best of 3: 8.61 ms per loop
>>> %timeit io.StringIO(b_data)
TypeError: initial_value must be str or None, not bytes
>>> %timeit io.BytesIO(u_data)
TypeError: a bytes-like object is required, not 'str'
>>> %timeit io.BytesIO(b_data)
The slowest run took 6.79 times longer than the fastest. This could mean that an intermediate result is being cached
1000000 loops, best of 3: 344 ns per loop

Python 2.7 结果（在不同的机器上运行）：

>>> %timeit io.StringIO(u_data)
1000 loops, best of 3: 304 µs per loop
>>> %timeit io.StringIO(b_data)
TypeError: initial_value must be unicode or None, not str
>>> %timeit io.BytesIO(u_data)
TypeError: 'unicode' does not have the buffer interface
>>> %timeit io.BytesIO(b_data)
10000 loops, best of 3: 77.5 µs per loop

>>> %timeit cStringIO.StringIO(u_data)
UnicodeEncodeError: 'ascii' codec cant encode character u'\u2603' in position 0: ordinal not in range(128)
>>> %timeit cStringIO.StringIO(b_data)
1000000 loops, best of 3: 448 ns per loop
>>> %timeit StringIO.StringIO(u_data)
1000000 loops, best of 3: 1.15 µs per loop
>>> %timeit StringIO.StringIO(b_data)
1000000 loops, best of 3: 1.19 µs per loop
于 2016-05-26T14:01:22.723 回答