python源码剖析笔记-字符串

PyStringObject需要保存字符串长度（ob_size），当产生字符串对象后，将不会改变（不可变对象）。这一特性使得PyStringObject对象可作为dict的键值，同时也使一些字符串操作的效率大大降低了，比如字符串连接操作。   typedef struct { PyObject_VAR_HEAD long ob_shash; int ob_sstate; char ob_sval[1]; } PyStringObject;   同c语言一样，字符串末尾以‘\0’结尾，但是中间可以出现’\0’，ob_sval指向一段长度为ob_size+1个字节的内存，字符串结束需要满足ob_sval[ob_size] == ‘\0’   Ob_hash缓存该对象的hash值，初始值为-1。Ob_sstate在书后面介绍intern机制，对于被intern之后的字符串，在整个python运行期间，系统中都只有唯一一个与该字符串对应的PyStringObject对象。当判断两个PyStringObject对象是否相同时，如果都被intern了，只要检查对应的对象是否相同即可。   PyStringObject对应的类型对象为PyString_Type，tp_itemsize被设置成sizeof(char),即一个字节。与ob_size共同决定申请多少内存。 字符串对象有长度限制，大小为2GB。   Intern机制对相同字符串的处理： a = “python” b=”python” print a,b   intern机制的关键，是有一个叫interned的字典，记录intern机制处理过的PyStringObject对象。 对于上面的例子，先创建PyStringObject对象a，先会检查interned字典里有没有字符串与a相同，这里显然没有，将会添加到interned字典里。当创建b后（必须先要创建）执行intern操作，继续检查interned字典，发现有相同的字符串对象a，然后指向b的PyObject指针将指向a，b的引用计数减1，b将会被回收了。   有长度为256的字符缓冲池，添加到缓冲池的流程：当在创建PyStringObject对象时（还没创建），先检查长度。为字符时，再检查字符缓冲池是否有该字符，有，直接返回缓冲的该对象，结束；没有，创建PyStringObject对象，检查长度为字符，对对象进行intern操作，最后缓存至字符缓冲区。创建StringObject的两个函数不是太长也有注释，还能看懂。   字符串连接 通过”+”操作符对字符串进行连接是，调用string_concat函数：先计算连接后的字符串的长度，然后创建新的字符串对象分配给他计算的长度内存，最后复制。 Join操作，调用函数string_join：基本流程和“+”操作符相同。这里的区别是，“+”操作符有两个字符串就要创建一个新对象，join是对列表中的所有字符串进行，只要创建一次新对象就行。当进行多个字符串的连接时，应使用join操作。