欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

Python中判断子串存在的性能比较及分析总结

程序员文章站 2022-06-23 21:36:24
起步 对于子串搜索,python提供了多种实现方式:in, find, index, __contains__,对其进行性能比较: import timei...

起步

对于子串搜索,python提供了多种实现方式:in, find, index, __contains__,对其进行性能比较:

import timeit

def in_(s, other):
  return other in s

def contains(s, other):
  return s.__contains__(other)

def find(s, other):
  return s.find(other) != -1

def index(s, other):
  try:
    s.index(other)
  except valueerror:
    return false
  return true

perf_dict = {
  'in:true': min(timeit.repeat(lambda: in_('superstring', 'str'))),
  'in:false': min(timeit.repeat(lambda: in_('superstring', 'not'))),
  '__contains__:true': min(timeit.repeat(lambda: contains('superstring', 'str'))),
  '__contains__:false': min(timeit.repeat(lambda: contains('superstring', 'not'))),
  'find:true': min(timeit.repeat(lambda: find('superstring', 'str'))),
  'find:false': min(timeit.repeat(lambda: find('superstring', 'not'))),
  'index:true': min(timeit.repeat(lambda: index('superstring', 'str'))),
  'index:false': min(timeit.repeat(lambda: index('superstring', 'not'))),
}

print(perf_dict)

得到结果:

{
    'in:true': 0.2763608000000001,
    'in:false': 0.2794432,
    '__contains__:true': 0.40546490000000013,
    '__contains__:false': 0.4122471000000001,
    'find:true': 0.497128,
    'find:false': 0.4951530000000002,
    'index:true': 0.5243821999999998,
    'index:false': 0.8693923999999988
}

从结果上 in 的搜索方式性能上最好。

知其然也要之其所以然,下面就对于这个结果进行比较与分析。

in 与 __contains__ 比较

了解 python 中协议的应该知道,in 操作其实也是调用 __contains__ ,但为什么 in 比 __contains__ 明显快了很多,明明它们最终调用的c语言函数是一样的。

在 cpython 中,in 属于操作符,它直接指向了 sq_contains 中的c级函数指针,而在 str 中的 sq_contains 直接指向了最终调用的c层函数。而 __contains__ 的调用方式,则需要先在 str 属性中进行 load_attr 查找,然后再为 call_function 创建函数调用所需的空间。

也就是说,in 直接指向了最终的c层函数,一步到位,也不走python虚拟机的函数调用,而 __contains__ 调用方式先属性查找和python函数调用的开销;所以 str.__contains__(other) 的形式要慢得多。

一般来说,in 方式更快只使用 python 内置的c实现的类。对于用户自定义类,因为最终调用都是python级的,所以两种方式都要对函数调用所需的空间的。

find 与 index 的比较

find 与 index 的查找方式的区别仅仅只是 index 在子串不存在时会抛出异常。从源码来看:

static pyobject *
unicode_find(pyobject *self, pyobject *args)
{
  /* initialize variables to prevent gcc warning */
  pyobject *substring = null;
  py_ssize_t start = 0;
  py_ssize_t end = 0;
  py_ssize_t result;

  if (!parse_args_finds_unicode("find", args, &substring, &start, &end))
    return null;

  if (pyunicode_ready(self) == -1)
    return null;

  result = any_find_slice(self, substring, start, end, 1);

  if (result == -2)
    return null;

  return pylong_fromssize_t(result);
}

static pyobject *
unicode_index(pyobject *self, pyobject *args)
{
  /* initialize variables to prevent gcc warning */
  py_ssize_t result;
  pyobject *substring = null;
  py_ssize_t start = 0;
  py_ssize_t end = 0;

  if (!parse_args_finds_unicode("index", args, &substring, &start, &end))
    return null;

  if (pyunicode_ready(self) == -1)
    return null;

  result = any_find_slice(self, substring, start, end, 1);

  if (result == -2)
    return null;

  if (result < 0) {
    pyerr_setstring(pyexc_valueerror, "substring not found");
    return null;
  }

  return pylong_fromssize_t(result);
}

实现方式基本相同,所以在子串存在的时候,两者的性能一致;而当子串不存在时,index 会设置异常,因此涉及异常栈的空间等异常机制,速度上也就慢了一些。

总结

in 的搜索方式性能最佳,可读性也最好,属最佳实践。

好了,以上就是这篇文章的全部内容了,希望本文的内容对大家的学习或者工作具有一定的参考学习价值,谢谢大家对的支持。

扩展阅读