比较 startswith() .vs. in() 的速度

Question

我的印象是startswith必须比in快，原因很简单，in必须做更多的检查(允许要查找的单词在字符串中的任何位置)。但我有我的怀疑，所以我决定timeit.下面给出了计时的代码，您可能会注意到我没有做太多计时;代码相当简单。

import timeit
setup1='''
def in_test(sent, word):
if word in sent:
return True
else:
return False
'''
setup2='''
def startswith_test(sent, word):
if sent.startswith(word):
return True
else:
return False
'''
print(timeit.timeit('in_test("this is a standard sentence", "this")', setup=setup1))
print(timeit.timeit('startswith_test("this is a standard sentence", "this")', setup=setup2))

结果：

>> in:         0.11912814951705597
>> startswith: 0.22812353561129417

所以startswith慢了两倍..鉴于我上面进一步所说的，我发现这种行为非常令人费解。我是否在计时时做错了什么，或者in确实更快？如果是这样，为什么？

请注意，即使它们都返回False，结果也非常相似(在这种情况下，in必须实际遍历整个 sentece，以防它之前只是短路)：

print(timeit.timeit('in_test("another standard sentence, would be that", "this")', setup=setup1))
print(timeit.timeit('startswith_test("another standard sentence, would be that", "this")', setup=setup2))
>> in:         0.12854891578786237
>> startswith: 0.2233201940338861

---

如果我必须从头开始实现这两个函数，它将如下所示(伪代码)：

startswith：开始逐个比较单词的字母和句子的字母，直到a)单词耗尽(返回True)或b)检查返回False(返回False)

in：在句子中找到单词首字母的每个位置都调用startswith。

我只是不明白。.

---

只是为了明确一点，in和startswith并不等同;我只是在谈论这样一种情况，即人们试图找到的单词必须是字符串中的第一个。

Answer 1

这是因为您必须查找并调用方法。in是专门的，直接导致COMPARE_OP(调用cmp_outcome，而str.startswith又调用PySequence_Contains)，而则通过较慢的字节码：

2 LOAD_ATTR                0 (startswith)
4 LOAD_FAST                1 (word)
6 CALL_FUNCTION            1              # the slow part

用__contains__替换in，强制在这种情况下调用函数，几乎否定了速度差异：

setup1='''
def in_test(sent, word):
if sent.__contains__(word):
return True
else:
return False
'''

而且，时间：

print(timeit.timeit('in_test("this is a standard sentence", "this")', setup=setup1))
print(timeit.timeit('startswith_test("this is a standard sentence", "this")', setup=setup2))
0.43849368393421173
0.4993997460696846

in在这里获胜，因为它不需要经历整个函数调用设置，并且由于它呈现的有利情况。

Answer 2

您正在比较字符串上的运算符与属性查找和函数调用。第二个将具有更高的开销，即使第一个在大量数据上花费很长时间。

此外，您正在寻找第一个单词，因此如果它确实匹配，in将查看与startswith()一样多的数据。要查看差异，您应该查看悲观情况(未找到结果，或在字符串末尾匹配)：

setup1='''
data = "xxxx"*1000
def ....
print(timeit.timeit('in_test(data, "this")', setup=setup1))
0.932795189000899
print(timeit.timeit('startswith_test(data, "this")', setup=setup2))
0.22242475600069156

Answer 3

如果你看一下函数产生的字节码：

>>> dis.dis(in_test)
2           0 LOAD_FAST                1 (word)
3 LOAD_FAST                0 (sent)
6 COMPARE_OP               6 (in)
9 POP_JUMP_IF_FALSE       16
3          12 LOAD_CONST               1 (True)
15 RETURN_VALUE
5     >>   16 LOAD_CONST               2 (False)
19 RETURN_VALUE
20 LOAD_CONST               0 (None)
23 RETURN_VALUE

您会注意到有很多开销与字符串匹配没有直接关系。在更简单的函数上进行测试：

def in_test(sent, word):
return word in sent

会更可靠。