567
京東網上商城
[筆記]Python的字符串對象
PyStringObject定義在stringobject.h中，附有不少注釋說明。1. PyStringObject實際上是一組字符，以'\0'結尾，且因為有隻是長度的變量，所以也可以包含'\0'作為內容。
2. PyStringObject是不可變對象，所以a = "hello"和a = "world"先後執行後，a指向的是不同的對象了。
3. PyStringObject保存了hash值避免重複計算。
4. 采用intern機製來處理相同的字符串對象。
結構體定義如下：
typedef struct {
PyObject_VAR_HEAD //不定長對象
long ob_shash; //如果還沒計算，為-1
int ob_sstate; //如果該字符串在interned字典中，則該標誌不為0。而且在這種情況下，兩個來自interned字典的引用不算進ob_refcnt
char ob_sval[1]; //用來作為指針指向保存字符串的內存區域，包含ob_size+1個元素
} PyStringObject;
計算哈希值的算法有必要MARK下，以後可以參考使用。
static long
string_hash(PyStringObject *a)
{
register Py_ssize_t len;
register unsigned char *p;
register long x;
if (a->ob_shash != -1)
return a->ob_shash;
len = Py_SIZE(a);
p = (unsigned char *) a->ob_sval;
x = *p << 7;
while (--len >= 0)
x = (1000003*x) ^ *p++;
x ^= Py_SIZE(a);
if (x == -1)
x = -2;
a->ob_shash = x;
return x;
}
intern機製是用來確保相同的值的字符串對象隻有一個存在，並且使得比較操作可以僅僅通過指針比較來完成。
它實際上是維護了一個字典（dict/map）interned，當字符串被interned時，會查找字典中鍵的存在，如果沒有則放入。
這種方法可以在空間上節省，並不能節省時間，因為要判斷是否存在於interned字典中，需要先創建字符串對象，才能去表中查找。
此外，這種方法默認針對Python的關鍵字、單字符、空串等。
當然，Python也提供了intern()內置函數來緩存用戶想要的字符串對象。
緩存hash值以及intern機製為解釋器加速了20%。
最後，是關於字符串的連接。
比如：str = str1 + str2 + str3 + str4，由於PyStringObject is immutable，所以會為3個+號執行3次內存的分配和複製
而如果將待連接的字符串放入可迭代對象中，使用string_join（PyStringObject的join操作），就會一次計算所需的總共內存大小，一次分配，然後再全部複製過去。
JasonLee 2011.08.08 0:33
最後更新：2017-04-02 22:16:35