【Python旧时笔记 三】Python的字符串对象

奇忠诚

PyStringObject定义在stringobject.h中，附有不少注释说明。1. PyStringObject实际上是一组字符，以'\0'结尾，且因为有只是长度的变量，所以也可以包含'\0'作为内容。
2. PyStringObject是不可变对象，所以a = "hello"和a = "world"先后执行后，a指向的是不同的对象了。
3. PyStringObject保存了hash值避免重复计算。
4. 采用intern机制来处理相同的字符串对象。


结构体定义如下：
typedefstruct{
PyObject_VAR_HEAD     //不定长对象
longob_shash;//如果还没计算，为-1
intob_sstate;//如果该字符串在interned字典中，则该标志不为0。而且在这种情况下，两个来自interned字典的引用不算进ob_refcnt
charob_sval[1];//用来作为指针指向保存字符串的内存区域，包含ob_size+1个元素
}PyStringObject;


计算哈希值的算法有必要MARK下，以后可以参考使用。
staticlong
string_hash(PyStringObject*a)
{
registerPy_ssize_tlen;
registerunsignedchar*p;
registerlongx;


if(a->ob_shash!=-1)
returna->ob_shash;
len=Py_SIZE(a);
p= (unsignedchar*)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;
returnx;
}




intern机制是用来确保相同的值的字符串对象只有一个存在，并且使得比较操作可以仅仅通过指针比较来完成。
它实际上是维护了一个字典（dict/map）interned，当字符串被interned时，会查找字典中键的存在，如果没有则放入。
这种方法可以在空间上节省，并不能节省时间，因为要判断是否存在于interned字典中，需要先创建字符串对象，才能去表中查找。
此外，这种方法默认针对Python的关键字、单字符、空串等。
当然，Python也提供了intern()内置函数来缓存用户想要的字符串对象。
缓存hash值以及intern机制为解释器加速了20%。


最后，是关于字符串的连接。
比如：str = str1 + str2 + str3 + str4，由于PyStringObject is immutable，所以会为3个+号执行3次内存的分配和复制
而如果将待连接的字符串放入可迭代对象中，使用string_join（PyStringObject的join操作），就会一次计算所需的总共内存大小，一次分配，然后再全部复制过去。


JasonLee   2011.08.08   0:33