混淆 StringIO、StringIO 和 BytesIO

Question

我用谷歌搜索并在 SO 上搜索这些缓冲模块之间的区别。但是，我仍然不是很了解，我认为我阅读的一些 post 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) 传递给一个为解析内容而设计的函数。

这三种方法都可以。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 总是制作一份新副本，这会花费更多时间。但也有一些 post 提到这在后来的 Python 版本中得到了修复。

所以，谁能对这些 IO 进行彻底比较，在最新的 Python 2.x 和 3.x 中？

我找到的一些参考：

https://trac.edgewall.org/ticket/12046

io.StringIO requires a unicode string. io.BytesIO requires a bytes string. StringIO.StringIO allows either unicode or bytes string. cStringIO.StringIO requires a string that is encoded as a bytes string.

但是 cStringIO.StringIO('abc') 不会引发任何错误。

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

The StringIO class is the wrong class to use for this, especially considering that subunit v2 is binary and not a string.
http://comments.gmane.org/gmane.comp.python.devel/148717

cStringIO.StringIO(b'data') didn't copy the data while io.BytesIO(b'data') makes a copy (even if the data is not modified later).

2014 年 post 中有修复补丁。

许多 SO post未在此处列出。

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

至于 2.7，cStringIO.StringIO 和 StringIO.StringIO 比 io 效率高得多。

Answer 1

在 python 2 和 3 中，您应该使用 io.StringIO 来处理 unicode 对象，并使用 io.BytesIO 来处理 bytes 对象，以实现向前兼容性（这是所有 3 个必须提供的）。

这是一个更好的测试（针对 python 2 和 3），它不包括从 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python2，还可以测试：

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 个结果：

>>> %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（运行在另一台机器上）：

>>> %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

混淆 StringIO、StringIO 和 BytesIO

Confusing about StringIO, cStringIO and ByteIO

python

bytesio

stringio

cstringio