Python Cookbook 第二版 汉化版 [Recipe 1.6] 字符串的组合

Recipe 1.6. Combining Strings
Recipe 1.6. 字符串的组合

Credit: Luther Blissett


问题

您须要将几个小字符串组合成一个大的字符串。


解法

要将小字符串序列组合成一个大字符串，使用字符串的 join 操作符即可。比如，有一个包含若干字符串的 list ，您想将其中包含的字符串全部连接起来，得到一个大的字符串，您可以这样做：

largeString = ''.join(pieces)

要将几个以变量形式存在的东西组合起来，字符串的格式化操作符 % 通常比较好用：

largeString = '%s%s something %s yet more' % (small1, small2, small3)


讨论

Python 的“ +”操作符能将字符串连接起来，看起来显然可以用来解决“将小字符串组合成大字符串”的问题。例如，若要将以变量形式存在的东西组合起来，如下的办法看起来非常顺理成章：

largeString = small1 + small2 + ' something ' + small3 + ' yet more'

类似的，若您有一个名为 pieces 的字符串序列，如下的办法看起来也非常顺理成章：

largeString = ''
for piece in pieces:
    largeString += piece

还有一个等效的办法更为讨巧和紧凑：

import operator
largeString = reduce(operator.add, pieces, '')

然而，认识到这样一点非常重要：上述所有看起来很顺理成章的解法并不那么好——本条目的“ 解法”栏目中给出的方案要比那些方案好得多。

Python 中的字符串对象是不可改变的（immutable）。如此一来，对字符串进行的任何操作——包括连接字符串的操作——都会导致产生新的字符串对象，而不是修改现存的字符串对象。连接 N 个字符串涉及到创建并马上丢弃连接操作中的 N-1 个中间结果。因此，与生成中间结果的操作相比，无须生成中间结果、一次性产生最终结果的操作的性能要好得多。

Python 的字符串格式化操作符 % 就是这种不生成中间结果的操作，特别适用于“将几个以变量形式存在的东西（以及字面形式的常量字符串）组合到一起”的情形。对于此一类任务而言，性能并非是关键问题。然而 % 操作符与 + 操作符相比，还有其他潜在优势。一旦习惯了用法，操作符 % 更易读；而且，您无须调用 str 来把非字符串的东西（比如数字）转换为字符串，因为 format specifier（格式限定符） %s 会自己处理此类转换。操作符 % 还有一个优势就是，您可以使用 format specifiers（格式限定符）来控制结果，比如，您可以通过 format specifiers 来控制浮点数的字符串形式显示多少个数位。

---- BOX BEGIN ----
What Is "a Sequence?"
“序列”是什么？

Python 中没有名为“sequence（序列）”的特定类型，但 Python 当中经常使用这个术语。严格来讲，“序列”是指这样的一种容器（container）：能够对其进行迭代操作，以一次一个的方式获得容器中有限个数的元素；支持 indexing（索引）、slicing（切割）；能够作为参数传递给内建函数 len（该函数返回容器中元素的个数）。Python 的 list 就是您最经常遇到的一种“序列”，还有其他很多种序列（字符串、unicode 对象、tuple、array.array 等）。

有些东西并不需要 indexing、slicing 以及 len 能力——“一次获得一个元素”的迭代能力通常就足够用了。在这种情形下，我们说的就是“iterable（可迭代体）”；若我们重点关注的是有限数目的元素，则称之为“bounded iterable（有界的可迭代体）”。属于 iterable 但又不是序列的东西包括 dictionary（其迭代操作会以任意顺序，每次返回一个 key）、file object（其迭代操作为每次返回一个文本行），以及许多其他的东西，包括 iterator 和 generator 。只要是 iterable ，就都可用于 for 循环语句以及许多等价的语句环境（list comprehension 的 for 子句、Python 2.4 的 generator expression ，以及许多诸如 min, max, zip, sum, str.join 之类的内建设施等）。

您可以在 http://www.python.org/moin/PythonGlossary 找到 Python Glossary ，其中解释了上述及其他一些术语的概念。尽管本书的编辑尽量做到在术语的使用上能够遵循 Python Glossary ，但您还是会在本书许多地方看到“序列（sequence）”或“iterable（可迭代体）”，甚至是“list（列表）”这样的字眼，而从严格的术语概念来看，这些地方其实都应该使用“bounded iterable（有界的可迭代体）”这个术语。例如，本条目“解法”栏目一开头，我们就用到“小字符串序列”这样的字眼，而实际上任何由字符串组成的“bounded iterable”都适用所述的情形。全书到处使用“bounded iterable”的问题在于，这样做会使本书读起来更像数学教本，而不是讲编程实践的图书！由此，我们放弃了术语的精准用法，让本书保持了术语的各种“声音”并存，以略微不精准的术语用法来换取更好的可读性，而这些不精准的术语用法在其上下文中其实也是全然明晰的。
---- BOX E N D ----

若您在一个序列中放有许多小的字符串片断，那么性能就有可能非常重要的议题。对于使用了 + 或 +=（或是讨巧但等效的用法：使用内建函数 reduce）的循环，其执行时间与字符个数的平方成正比，因为“分配并填充大字符串”所需的时间堪与字符串长度成正比。幸运的是，Python 提供了很棒的替代方案。字符串对象的 join 方法接收一个字符串序列作为参数，将序列中所有元素连接起来，并在各个元素之间插入原字符串对象，由此产生一个结果字符串。例如， ''.join(pieces) 将 pieces 中所有元素连接起来，各个元素之间插入空字符串（即什么也不插入）； ', '.join(pieces) 将所有元素连接起来，并在各个元素之间插入一个逗号和一个空格。要组合大字符串，这就是最快、最干净利落、最优雅、最具可读性的方法。

若字符串片断无法在同一时刻全部得到，而是通过输入或计算先后得到的，则可以用 list 作为中间数据结构来保存字符串片断（要在 list 末尾追加元素，您可以调用 list 的 append 或 extend 方法）。等最终片断齐全之后，调用 ''.join(thelist) 就可得到由所有片断连接而成的大字符串。我所知道的关于 Python 字符串的许多顺手的提示和技巧当中，我认为上述这个是最优的。一些 Python 程序运行太慢，其最常见的原因就是使用了 + 或者 += 来构建大字符串。因此，请教导您自己，不要那样做。使用本条目所推荐的 ''.join 即可。

Python 2.4 在改进上述“错用 +=”问题方面做了令人鼓舞的尝试，将错用 += 所导致的性能问题作了少许缓解。这样至少可以让一些新手或粗心的程序员少浪费一些机器时钟周期，而 ''.join 仍然比 += 快得多，为最佳选择。类似的，psyco（专门的 just-in-time[JIT] Python 编译器，可在 http://psyco.sourceforge.net/ 找到相关信息）可进一步缓解错用 += 所致的性能问题，但 ''.join 仍然还是最佳方案。


请参见

Library Reference 以及 Python in a Nutshell 中关于字符串方法、字符串格式化操作，以及 operator 模块的内容。