关于StringIO、cStringIO和ByteIO的困惑

Question

我搜索并搜索了这些缓冲模块之间的区别。然而，我仍然不太明白，我认为我读到的一些帖子已经过时了。

在Python2.7.11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。

这三种方法都是可用的。我的意思是，即使文件是二进制的，使用StringIO仍然是可行的。为什么？

另一件事是有关他们的效率。

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

如上面所示，cStringIO > StringIO > BytesIO。

我发现有人提到io.BytesIO总是做一个新的副本，这需要花费更多的时间。但也有一些帖子提到，这在以后的Python版本中得到了修正。

因此，在最新的Python2.x和3.x中，有人能对这些IO进行彻底的比较吗？

我发现的一些参考资料：

• 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需要一个编码为字节字符串的字符串。

但是cStringIO.StringIO('abc')不会引发任何错误。

• https://review.openstack.org/#/c/286926/1 使用StringIO类是错误的，特别是考虑到子单元v2是二进制的，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 ')复制数据(即使以后没有修改数据)。

这个帖子在2014年有一个补丁。

• 很多这样的帖子没有在这里列出。

下面是Eric示例的Python2.7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的效率远远高于io。

Answer 1

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

下面是一个更好的测试(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python 2中，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角色。

Python3.5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

Python2.7结果(在另一台机器上运行)：

>>> %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