Cython：我什么時候應該將字符串定義為char *，str或bytes？

Question

在Cython + Python 3中定義一個包含字符串的變量類型時，我可以使用（至少）：

cdef char* mystring = "foo"
cdef str mystring = "foo"
cdef bytes mystring = "foo"

關於字符串的文檔頁面不清楚 - 它主要是使用char *和bytes來提供示例，坦率地說，我很難理解它。

在我的情況下，字符串將來自Python3程序，並假定為unicode。 它們將用作dict鍵和函數參數，但我不會對它們進行進一步的操作。 毋庸置疑，我正在努力提高速度。

這個問題表明，在Python2.7和沒有Unicode的情況下，鍵入為str會使字符串操作代碼運行SLOWER而不是完全不輸入。 （但這並不一定與此相關，因為我不會做很多字符串操作。）

每種選擇的優點和缺點是什么？

Answer 1

如果沒有對特定類型進行進一步處理，那么最好不要輸入它們，這意味着它們被視為通用PyObject * 。

str類型是一種特殊情況 ，它表示Python 2上的bytes和Python 3上的unicode 。

str類型的特殊之處在於它是Python 2中的字節字符串和Python 3中的Unicode字符串

因此，將字符串鍵入為str並將其作為unicode處理的代碼將在python 2上中斷 ，其中str表示bytes 。

如果要將字符串轉換為C char*或C ++ std::string則只需鍵入std::string 。 在那里，您將使用str來處理py2 / py3兼容性，以及用於轉換為/來自字節和unicode的輔助函數，以便能夠轉換為char*或std::string 。

鍵入字符串是為了與C / C ++進行互操作，而不是為了速度。 Cython將自動轉換一個bytes字符串，而不是復制到char* ，例如當它看到類似cdef char* c_string = b_string[:b_len] ，其中b_string是一個bytes類型。

OTOH，如果在沒有使用該類型的情況下鍵入字符串，Cython將在不需要導致開銷的情況下執行從對象到字節/ unicode的轉換。

這可以在生成為Pyx_PyObject_AsString ， Pyx_PyUnicode_FromString等的C代碼中看到。

一般情況下也是如此 - 經驗法則是如果不需要特定類型進行進一步處理/轉換，最好不要輸入它。 python中的所有內容都是一個對象，因此鍵入將從通用PyObject*轉換為更具體的內容。

Answer 2

一些快速測試顯示，對於這種特殊情況，只有str聲明有效 - 所有其他選項都會產生錯誤。 由於字符串是在Python3的其他地方生成的，顯然需要str類型聲明。

是否更快不做任何聲明仍然是一個懸而未決的問題。