我正在构建一个用于取证目的处理磁盘缓冲区的例程。我最好使用 python 字符串还是 array() 类型？我的第一个想法是使用字符串，但我试图避免 unicode 问题，所以也许 array('c') 更好？
【问题讨论】：
标签： python arrays performance
如果您需要就地更改缓冲区（不清楚是否这样做，因为您使用了模糊的术语“处理”），arrays 可能会更好，因为strings 是不可变的。然而，在 Python 2.6 或更高版本中，bytearrays 可能是两全其美的——可变的和丰富的方法和也可用于正则表达式。
对于只读操作，字符串比array 有优势（这要归功于更多的方法，以及它们上可用的正则表达式等额外功能），如果你被旧的 Python 版本卡住而无法使用 @ 987654325@。无论哪种情况，Unicode 都不是问题（在 Python 2 中；在 Python 3 中，肯定选择bytearray!-）。
【讨论】：
使用最自然的（字符串）编写代码，找出它是否太慢，然后改进它。
在大多数情况下，只要您将自己限制为索引和切片访问，数组就可以用作str 的直接替代品。两者都是固定长度。两者应该具有大致相同的内存要求。数组是可变的，以防您需要更改缓冲区。数组可以直接从文件中读取，因此读取时不会影响速度。
不过，我不明白您如何通过使用数组来避免 Unicode 问题。 str 只是一个字节数组，对字符串的编码一无所知。
我假设你提到的“磁盘缓冲区”可能相当大，所以你可能会考虑使用mmap：
内存映射文件对象的行为既像字符串，又像文件对象。然而，与普通字符串对象不同的是，它们是可变的。您可以在大多数需要字符串的地方使用 mmap 对象；例如，您可以使用 re 模块搜索内存映射文件。因为它们是可变的，你可以通过 obj[index] = 'a' 来改变单个字符，或者通过分配给切片来改变子字符串：obj[i1:i2] = '...'。您还可以从当前文件位置开始读写数据，并通过文件seek() 到不同位置。
【讨论】：