在 Python 中「逐字符處理字符串」是基礎操作,但不同方法在效能、可讀性、記憶體佔用上有顯著差異。本文對比 5 種主流方案,附帶基準測試與場景選擇指南。
s = 'Python'
chars = list(s) # ['P', 'y', 't', 'h', 'o', 'n']
for c in 'Python':
print(c.upper()) # 惰性逐個處理
chars = [c.upper() for c in 'Python'] # ['P', 'Y', 'T', 'H', 'O', 'N']
list(map(str.upper, s)) 但更易讀[c for c in s if c.isalpha()]
# Python 3 返回 map 物件 (迭代器)
result = map(str.lower, 'Python') # map object
list(result) # ['p', 'y', 't', 'h', 'o', 'n']
# 配合 lambda
list(map(lambda c: c*2, 'ab')) # ['aa', 'bb']
s = 'Hello, World'
unique = set(s) # {'H', 'e', 'l', 'o', ',', ' ', 'W', 'r', 'd'}
# 差集操作
set('Python') - set('Hello') # {'P', 'y', 't', 'n'}
&、並集 |、差集 -、對稱差 ^
import timeit
s = 'x' * 1_000_000
# 1. list()
timeit.timeit('list(s)', globals=globals(), number=10) # ~0.12s
# 2. for 循環 (僅迭代)
timeit.timeit('for c in s: pass', globals=globals(), number=10) # ~0.08s
# 3. 列表推導式
timeit.timeit('[c for c in s]', globals=globals(), number=10) # ~0.10s
# 4. map
timeit.timeit('list(map(lambda c: c, s))', globals=globals(), number=10) # ~0.18s
# 5. set()
timeit.timeit('set(s)', globals=globals(), number=10) # ~0.05s (去重後極小)
| 場景 | 推薦方法 | 理由 |
|---|---|---|
| 單次處理/副作用 (打印、寫入) | for 循環 | O(1) 記憶體、最快啟動 |
| 需隨機訪問/多次遍歷 | list() / 推導式 | 物質化序列 |
| 轉換每字符 (大小寫、編碼) | 推導式 / map | 推導式更快且可讀 |
| 統計字符頻率/去重 | set() / Counter | 集合運算優化 |
| 過濾特定字符 | 推導式 + if | 語法清晰 |
| 並行處理 (多進程) | map + multiprocessing | 可序列化分發 |
s = '你好🌍'
list(s) # ['你', '好', '🌍'] (正確處理代理對)
len(s) # 3 (字符數)
len(s.encode()) # 8 (UTF-8 位元組數)
# 錯誤:按位元組處理
list(s.encode()) # 破壞多字節字符
def chunked_chars(s, n=1):
"""每次產生 n 字符塊"""
for i in range(0, len(s), n):
yield s[i:i+n]
for chunk in chunked_chars('abcdefgh', 3):
print(chunk) # abc, def, gh
理解 5 種方法的語義差異與效能特徵,能讓你在處理文本數據時,根據具體約束 (記憶體、速度、功能) 做出最優選擇。