Python中判断子串存在的性能比较及分析总结
作者：栖迟于一丘
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，谢谢大家对脚本之家的支持。
扩展阅读
https://stackoverflow.com/questions/38400370/why-in-is-faster-than-contains