python - 从 StringIO 读取直到遇到某个字节的快速方法

Question

假设我有一些StringIO（来自cStringIO）。我想从中读取缓冲区，直到遇到一些字符/字节，比如'Z'，所以：

stringio = StringIO('ABCZ123')
buf = read_until(stringio, 'Z')  # buf is now 'ABCZ'
# strinio.tell() is now 4, pointing after 'Z'

在 Python 中最快的方法是什么？谢谢

Answer 1

我很失望这个问题在堆栈溢出时只有一个答案，因为这是一个有趣且相关的问题。无论如何，由于只有 ovgolovin 提供解决方案，而且我认为它可能很慢，所以我想了一个更快的解决方案：

def foo(stringio):
    datalist = []
    while True:
        chunk = stringio.read(256)
        i = chunk.find('Z')
        if i == -1:
            datalist.append(chunk)
        else:
            datalist.append(chunk[:i+1])
            break
        if len(chunk) < 256:
            break
    return ''.join(datalist)

这以块的形式读取 io（可能未在第一个块中找到结束字符）。它非常快，因为没有为每个字符调用 Python 函数，相反，它最大限度地使用了 C 编写的 Python 函数。

这比 ovgolovin 的解决方案快大约 60 倍。我跑过去timeit检查。

Answer 2

i = iter(lambda: stringio.read(1),'Z')
buf = ''.join(i) + 'Z'

iter在此模式下使用这里： iter(callable, sentinel) -> iterator。

''.join(...)是相当有效的。添加'Z'的最后一个操作''.join(i) + 'Z'不是那么好。但它可以通过添加'Z'到迭代器来解决：

from itertools import chain, repeat

stringio = StringIO.StringIO('ABCZ123')
i = iter(lambda: stringio.read(1),'Z')
i = chain(i,repeat('Z',1))
buf = ''.join(i)

另一种方法是使用生成器：

def take_until_included(stringio):
    while True:
        s = stringio.read(1)
        yield s
        if s=='Z':
            return

i = take_until_included(stringio)
buf = ''.join(i)

---

我做了一些效率测试。所描述技术的性能几乎相同：

http://ideone.com/dQGe5

Answer 3

#!/usr/bin/env python3
import io


def iterate_stream(stream, delimiter, max_read_size=1024):
    """ Reads `delimiter` separated strings or bytes from `stream`. """
    empty = '' if isinstance(delimiter, str) else b''
    chunks = []
    while 1:
        d = stream.read(max_read_size)
        if not d:
            break
        while d:
            i = d.find(delimiter)
            if i < 0:
                chunks.append(d)
                break
            chunks.append(d[:i+1])
            d = d[i+1:]
            yield empty.join(chunks)
            chunks = []
    s = empty.join(chunks)
    if s:
        yield s


if __name__ == '__main__':
    print(next(iterate_stream(io.StringIO('ABCZ123'), 'Z')))
    print(next(iterate_stream(io.BytesIO(b'ABCZ123'), b'Z')))