对 StringIO、StringIO 和 BytesIO 感到困惑

Question

我已经用谷歌搜索并在 SO 上搜索这些缓冲区模块之间的区别。不过，我还是不太明白，我觉得我看的一些帖子已经过时了。

在 Python 2.7.11 中，我使用 r = requests.get(url) 下载了一个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) 传递给为解析内容而设计的函数。

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 仍然可行。为什么？

另一件事是关于他们的效率。

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 总是制作一个新副本，这会花费更多时间。但也有一些帖子提到，这在以后的 Python 版本中已修复。

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

---

我找到的一些参考资料：

• 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 unicode 或字节字符串。 cStringIO.StringIO 需要一个被编码为字节字符串的字符串。

但cStringIO.StringIO('abc') 不会引发任何错误。

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

  StringIO 类是错误的，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') 复制了数据（即使以后没有修改数据）。

2014 年这篇文章中有一个修复补丁。

• 这里没有列出很多 SO 帖子。

---

这是 Eric 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

对于 2.7，cStringIO.StringIO 和 StringIO.StringIO 的效率远远高于 io。

Answer 1

您应该使用io.StringIO 处理unicode 对象和io.BytesIO 处理python 2 和3 中的bytes 对象，以实现前向兼容性（这是所有3 必须提供的）。

---

这是一个更好的测试（针对 python 2 和 3），不包括从 numpy 到 str/bytes的转换成本

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中也可以测试：

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