Question

我用google搜索并在SO上搜索这些缓冲模块之间的区别。但是，我仍然不太了解，我认为我读到的一些帖子已经过时了。

在Python 2.7.11中，我使用r = requests.get(url)下载了特定格式的二进制文件。然后我将StringIO.StringIO(r.content)，cStringIO.StringIO(r.content)和io.BytesIO(r.content)传递给了一个用于解析内容的函数。

所有这三种方法都可用。我的意思是，即使文件是二进制文件，使用StringIO仍然是可行的。为什么呢？

另一件事是他们的效率。

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总是会制作一份新版本，这会花费更多时间。但也有一些帖子提到这在以后的Python版本中得到修复。

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

我找到的一些参考文献：

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允许使用unicode或bytes字符串。 cStringIO.StringIO需要一个编码为字节字符串的字符串。

但cStringIO.StringIO('abc')不会引起任何错误。

https://review.openstack.org/#/c/286926/1

StringIO类是用于此的错误类，特别是考虑到子单元v2是二进制而不是字符串。
http://comments.gmane.org/gmane.comp.python.devel/148717

cStringIO.StringIO（b'data'）没有复制数据，而io.BytesIO（b'data'）制作副本（即使以后没有修改数据）。

2014年这篇文章中有一个修补补丁。

此处未列出大量SO帖子。

以下是Eric的示例

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和StringIO.StringIO效率远远高于io。

Answer 1

你应该使用io.StringIO或io.BytesIO，这取决于你的数据是否为二进制，在python 2和3中，为了向前兼容性（这是所有3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

的转换费用

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

然后：

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

混淆StringIO，cStringIO和ByteIO

1 个答案: