-- 我刚刚解析了一个大文件，并创建了一个包含 42.000 个字符串/单词的列表。我想查询 [针对此列表] 以检查给定的单词/字符串是否属于它。所以我的问题是：
这种查找最有效的方法是什么？
第一种方法是对列表进行排序 (list.sort())，然后使用
>> if word in list: print 'word'
这真的是微不足道的，我相信有更好的方法来做到这一点。我的目标是应用快速查找来查找给定字符串是否在此列表中。如果您对其他数据结构有任何想法，欢迎提出。然而，我现在想避免使用更复杂的数据结构，如 Tries 等。我有兴趣听到关于快速查找或任何其他 python 库方法的想法（或技巧），这些方法可能比简单的in 更快地进行搜索。
我也想知道搜索项的索引
【问题讨论】：
sqlite3。
标签： python search list performance
不要创建list，而是创建set。它在恒定时间内进行查找。
如果您不想要集合的内存开销，请保留一个排序列表并使用 bisect 模块搜索它。
from bisect import bisect_left
def bi_contains(lst, item):
""" efficient `item in lst` for sorted lists """
# if item is larger than the last its not in the list, but the bisect would
# find `len(lst)` as the index to insert, so check that first. Else, if the
# item is in the list then it has to be at index bisect_left(lst, item)
return (item <= lst[-1]) and (lst[bisect_left(lst, item)] == item)
【讨论】：
set，而不是list。
set 而不是list 只会增加set 的数据确实增长到如此之大会导致内存问题，那么您可能需要考虑使用一种非常不同的技术，例如将数据存储在数据库中。
关于未考虑的集合与列表的一点：在“解析大文件”中，人们期望需要处理重复字/字符串。你根本没有提到这一点。
显然，将新单词添加到集合中会即时删除重复单词，而不会增加 CPU 时间或您的思考时间。如果你用一个列表来尝试它，它会以 O(N**2) 结束。如果您将所有内容附加到列表并在最后删除重复项，那么最聪明的方法是......鼓声......使用一组，并且列表的（小）内存优势可能会被重复。
【讨论】：
使用这个程序，看起来 dicts 是禁食，第二个，bi_contains 第三个列表：
from datetime import datetime
def ReadWordList():
""" Loop through each line in english.txt and add it to the list in uppercase.
Returns:
Returns array with all the words in english.txt.
"""
l_words = []
with open(r'c:\english.txt', 'r') as f_in:
for line in f_in:
line = line.strip().upper()
l_words.append(line)
return l_words
# Loop through each line in english.txt and add it to the l_words list in uppercase.
l_words = ReadWordList()
l_words = {key: None for key in l_words}
#l_words = set(l_words)
#l_words = tuple(l_words)
t1 = datetime.now()
for i in range(10000):
#w = 'ZEBRA' in l_words
w = bi_contains(l_words, 'ZEBRA')
t2 = datetime.now()
print('After: ' + str(t2 - t1))
# list = 41.025293 seconds
# dict = 0.001488 seconds
# set = 0.001499 seconds
# tuple = 38.975805 seconds
# list with bi_contains = 0.014000 seconds
【讨论】：