如何快速执行字符串中的Python代码？百万次执行求eval()更快替代法

1. 如何快速评估字符串中的Python代码？ #

如果是单次或少量执行场景，eval()和exec()是最直接的工具，但要想提速，预编译代码对象是核心技巧——直接用eval()传入字符串时，每次都要重复解析、编译字符串为字节码，而预编译能把这一步只做一次，后续执行直接复用编译后的结果。

举个实际例子：

# 直接使用eval（每次执行都要重新编译字符串)
result = eval("1 + 2 * 3")

# 预编译后执行（仅编译一次，多次执行效率更高）
code_obj = compile("1 + 2 * 3", "<string>", "eval")
result = eval(code_obj)

compile()的三个参数分别是：待编译的字符串、代码来源标识（一般填<string>即可）、模式（"eval"对应表达式，"exec"对应语句块，"single"对应单行交互语句）。根据你的代码类型选对模式，能避免不必要的性能开销。

2. 百万次执行场景下，比eval()更快的替代方案 #

你提到eval()单次耗时100微秒，而嵌入代码仅8微秒，差距主要来自eval()每次的编译开销和作用域查找损耗。针对百万次执行的高频场景，推荐以下几种方案：

方案一：预编译代码对象并重复执行 #

如上文所说，先把字符串编译成代码对象，之后每次执行直接调用这个对象，能省去重复编译字符串的时间。实测下来，这种方法能把单次执行时间降到20-30微秒左右（具体取决于代码复杂度）。

示例：

code_str = "x * 2 + y"
# 预编译为eval模式的代码对象
code_obj = compile(code_str, "<string>", "eval")

# 百万次执行循环
for _ in range(1_000_000):
    result = eval(code_obj, {"x": 5, "y": 3})

方案二：动态生成可调用函数 #

如果你的字符串代码是表达式或可封装成函数的逻辑，把它转换成原生Python函数，执行速度会无限接近你嵌入代码的8微秒级别。这里有两种实现方式：

方法A：用types.FunctionType创建函数

import types

code_str = "x + y * 2"
# 编译成eval模式的代码对象
code_obj = compile(code_str, "<string>", "eval")
# 从代码对象中提取表达式逻辑，生成带参数的函数
func = types.FunctionType(code_obj.co_consts[0], globals(), "calc_func", argdefs=(0, 0))

# 调用函数，速度和原生定义的函数几乎一致
for _ in range(1_000_000):
    result = func(5, 3)

方法B：用exec()动态定义函数

如果你的代码逻辑更复杂（比如多行语句），直接用exec()定义函数会更直观：

code_str = """
def calc_func(x, y):
    temp = y * 2
    return x + temp
"""
# 执行字符串代码，将函数定义到当前作用域
exec(code_str)

# 百万次调用，性能和嵌入代码无差别
for _ in range(1_000_000):
    result = calc_func(5, 3)

方案三：针对数值计算的JIT编译（可选） #

如果你的字符串代码是纯数值计算逻辑，可以用numba做即时编译，进一步压榨性能。不过需要确保代码符合numba的兼容要求（比如避免使用复杂Python对象）：

from numba import jit

# 先通过exec动态定义函数
exec("def calc_func(x, y): return x + y * 2")
# 用numba的JIT编译优化
jit_func = jit(nopython=True)(calc_func)

# 百万次执行，速度可能比原生Python函数还快
for _ in range(1_000_000):
    result = jit_func(5, 3)

关键安全提醒 #

不管用哪种方法，如果字符串代码来自不可信的外部输入，绝对不要使用eval()、exec()或动态函数生成——这些方法会执行任意Python代码，存在极高的安全风险。

内容的提问来源于stack exchange，提问作者user12087854