写代码时，处理字符串几乎无处不在。从拼接用户昵称，到解析日志文件，再到处理网络请求数据，字符串操作看似简单，但一不小心就可能让程序变慢得离谱。
你以为的简单拼接，可能是性能黑洞
比如你有个需求：把1000个用户名连成一个列表。随手写下这段代码：
result = ""
for name in names:
result += name看起来没问题，但在 Python 中，字符串是不可变对象，每次 += 都会创建一个新字符串。第一次拼接长度为 n，第二次是 2n，第三次是 3n……总时间复杂度变成 O(n²)。当名字数量上升到一万，速度下降会非常明显。
换种方式，效率天差地别
用 join 方法重写：
result = ''.join(names)这行代码的时间复杂度是 O(n)，所有字符串只遍历一次。同样是拼接一万个名字，执行时间可能从几秒降到几毫秒。
查找操作也不容忽视
判断一个关键词是否在一段文本中出现，用 in 操作很常见：
if keyword in text:
print("找到啦")这背后其实是朴素字符串匹配算法，最坏情况要对比每个字符，时间复杂度 O(m×n)，m 是文本长度，n 是关键词长度。如果频繁做这种操作，比如过滤敏感词，性能很快吃紧。
这时候换成 KMP 算法或使用 set 预处理关键词，能把单次查找压到接近 O(m)，长期来看省下大量时间。
正则表达式不是万能钥匙
很多人一遇到文本提取就上正则，比如从日志里抓 IP 地址。但复杂的正则容易引发回溯灾难，尤其是 .* 这类模糊匹配遇上长文本，可能让程序卡住几秒钟。
其实很多场景可以用 split、find 或切片代替。比如取 URL 路径，直接用 urlparse 解析比正则快得多，还更安全。
真实场景中的教训
有位开发者写了个导出报表的功能，用户反馈“点一下卡十秒”。查下来发现，他在循环里不断用 string.replace 替换模板字段。每替换一次都生成新字符串，模板字段越多越慢。改成一次性 format 或模板引擎后，响应时间降到 0.1 秒内。
这就是典型的时间复杂度失控案例——单次操作看不出问题，累积起来就成了瓶颈。
写代码不只是让功能跑通，更要考虑它怎么跑。字符串虽小，处理方式不同，差距可以是毫秒和秒之间的鸿沟。