[笔记]Python的字符串对象

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：

typedef struct {
    PyObject_VAR_HEAD          //不定长对象
    long ob_shash;             //如果还没计算，为-1
    int ob_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
    char ob_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。

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