在内存 View 中检查documentation:
然后我们得到了示例代码:
>>> v = memoryview(b'abcefg')
>>> v[1]
98
>>> v[-1]
103
>>> v[1:4]
<memory at 0x7f3ddc9f4350>
>>> bytes(v[1:4])
b'bce'
结束语，现在让我们仔细看看:
>>> b = b'long bytes stream'
>>> b.startswith(b'long')
True
>>> v = memoryview(b)
>>> vsub = v[5:]
>>> vsub.startswith(b'bytes')
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
AttributeError: 'memoryview' object has no attribute 'startswith'
>>> bytes(vsub).startswith(b'bytes')
True
>>>
所以我从上面收集了什么:
我们创建一个memoryview对象以暴露缓冲区对象的内部数据，而无需
但是，为了对对象做任何有用的复制(通过调用方法
由对象提供)，我们必须创建一个副本!
通常，当我们有一个大对象时，就需要使用memoryview(或旧的缓冲区对象)，
切片也可以很大。需要提高效率
如果我们要制作大片，或者制作小片却要多次。
通过上述方案，除非有任何一种情况，否则我看不到它如何有用。
有人可以向我解释我在这里缺少什么。
编辑1:
我们有大量的数据，我们希望通过从头到尾逐一处理它来进行处理
最后，例如从字符串缓冲区的开头提取 token 直到缓冲区被使用。在C术语中，这是通过缓冲区前进一个指针，并且可以传递该指针
到任何需要缓冲区类型的函数。如何在python中完成类似的操作？
人们提出了解决方法，例如许多字符串和正则表达式函数占据了上风
可用于模拟前进指针的参数。这有两个问题:第一
这是一种解决方法，您不得不更改编码风格以克服缺点，并且
第二:并非所有函数都有位置参数，例如正则表达式函数和
startswith有，encode()/decode()没有。其他人可能建议分块加载数据，或以较小的速度处理缓冲区
大于最大 token 的段。好吧，我们知道这些可能
解决方法，但我们应该在不使用python的情况下以更自然的方式工作
试图改变编码风格以适应语言-不是吗？
编辑2:
代码示例将使事情变得更清楚。这就是我想要做的，并且我以为memoryview可以让我乍一看。让我们使用pmview(适当的内存 View )来实现我正在寻找的功能:
tokens = []
xlarge_str = get_string()
xlarge_str_view = pmview(xlarge_str)
while True:
token = get_token(xlarge_str_view)
if token:
xlarge_str_view = xlarge_str_view.vslice(len(token))
# vslice: view slice: default stop paramter at end of buffer
tokens.append(token)
else:
break
最佳答案
memoryview有用的原因之一是，与bytes/str不同，ojit_code可以切片而不复制基础数据。
例如，以以下玩具示例为例。
import time
for n in (100000, 200000, 300000, 400000):
data = 'x'*n
start = time.time()
b = data
while b:
b = b[1:]
print 'bytes', n, time.time()-start
for n in (100000, 200000, 300000, 400000):
data = 'x'*n
start = time.time()
b = memoryview(data)
while b:
b = b[1:]
print 'memoryview', n, time.time()-start
bytes 100000 0.200068950653
bytes 200000 0.938908100128
bytes 300000 2.30898690224
bytes 400000 4.27718806267
memoryview 100000 0.0100269317627
memoryview 200000 0.0208270549774
memoryview 300000 0.0303030014038
memoryview 400000 0.0403470993042
编辑:注意，这是在CPython中完成的。 There was a bug in Pypy up to 4.0.1 that caused memoryviews to have quadratic performance.