python中字符串对象的实现

C中的字符串是一个以'\0'结尾的字符数组

python中的字符串对象有内部的PyStringObject表示。

结构：

typedef struct
{
    PyObject_VAR_HEAD;
    long ob_shash;
    int ob_sstate;
    char ob_sval[1];
}PyStringObject;

其中ob_shash是字符串的哈希，ob_sval包含大小为ob_size的字符串，以'\0'终止，ob_sval初始大小为1字节

ob_sval[0] = 0。ob_size位于PyObject_VAR_HEAD中，这位于object.h，ob_sstate表示字符串对象是否在待查字典中

---

s1 = 'abc'会发生什么？

调用内部C函数PyString_FromString，以下是伪代码

argument:stirng object :'abc'
returns :Python string object with ob_sval = 'abc'
PyString_FromString(string):
    size = length of string
    allocate string object + size for 'abc'.ob_sval will be of size:size+1
    copy string to ob_sval
    return object

可以看出每次使用新字符串时，都会分配一个新的字符串对象

---

在变量之间共享小字符串，减少了使用的内存量

小字符串就是大小为0-一个字节能够容纳的字符串，其实也就是字母了

静态全局变量interned是引用这些小字符串的字典，字符数组还引用长度为1字节的字符串，也就是字母

一些常量都在相应的头文件里面，这是用C实现的python

static PyStringObject * characters[UCHAR_MAX+1];
static PyObject *interned;

s2 = 'a'会发生什么？

包含“a”的字符串对象将添加到字典interned中，key是指向字符串对象的指针，值是相同的指针，新的字符串对象在字符数组中偏移量97的地方引用。所以说s3指向key为指向’a'的指针，value也为指向‘a'的指针的字符串对象

 

---

s3 = ’a'怎么办呢：

---

 

 s4 = ‘c'怎么办呢：

字符串搜索

一般我们用find方法，这个方法内部是用Boyer-Moore和Horspool算法的结合版本

我们将搜索字符串称为“ s”，将搜索字符串称为“ p”。s ='adcabcdbdabcabd'和p ='abcab'。“ n”是“ s”的长度，“ m”是“ p”的长度。n = 18且m = 5。

代码中的第一个检查是显而易见的，如果m> n，那么我们知道我们将无法找到索引，因此该函数立即返回-1，如下面的代码所示：

w = n -m;
if (w<0)
    return -1;

当m = 1时，代码每次一次通过“ s”一个字符，并在匹配时返回索引。在我们的示例中，mode = FAST_SEARCH，因为我们要查找的是索引中首先找到该字符串的索引，而不是找到该字符串的次数。

if (m <= 1)
{
    ...
    if (mode == FAST_COUNT) {
        ...
    } 
    else
    {
        for (i = 0; i < n; i++)
            if (s[i] == p[0])
                return i;
    }
    return -1;
}

而对于其他情况，m>1;第一步是创建一个压缩的Boyer-Moore delta 1表，在该步骤中将分配两个变量：“掩码”和“跳过”。

掩码”是一个32位的位掩码，使用字符的5个最低有效位作为关键字。它是使用字符串搜索“ p”生成的。这是一个Bloom筛选器，用于测试此字符串中是否存在字符。这确实非常快

位掩码的生成方式：

mlast = m-1;
for (mask = i = 0;i<mlast;i++)
{
    mask |= (1<<(p[i]&0x1f));
}
mask |= (1<<(p[mlast] & 0x1f));

Boyer-Moore算法：链接