python 字符串底层实现原理

python 字符串底层实现原理

字符串对象在python内部用`PyStringObject`表示，具体结构如下：

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

`PyObject_VAR_HEAD `就是在将整数数据结构中`PyObject_HEAD `又加了一个`ob_size`属性

#define PyObject_VAR_HEAD 
 PyObject_HEAD 
 int ob_size; /* Number of items in variable part */
typedef struct {
 PyObject_VAR_HEAD
} PyVarObject;

`ob_size`：保存对象中元素的长度，比如"python"字符串的`ob_size`为6

`ob_sval`：是一个初始大小为1的字符数组，且`ob_sval[0]='\\0'`，但实际上创建一个`PyStringObject`时，`ob_sval`指向的是一段长为`ob_size` + 1个字节的内存

`ob_shash`：是字符串对象的哈希值，初始值为-1，在第一次计算出字符串的哈希值后，会把该值缓存下来，赋值给`ob_shash`

`ob_sstate`：用于标记该字符串是否进过intern机制

字符串的INTERN机制

>>> a = 'test'
>>> b = 'test'
>>> a is b
True
>>>

当创建a时，系统会首先创建一个`PyStringObject`对象出来，然后经过intern机制处理，接着查找经过intren处理过的`PyStringObject`对象，如果发现有该字符串对应的`PyStringObject`存在，则直接返回这个对象并且增加该字符串对象的引用计数，否则就把它加入到intern机制当中。由于a和b字符串值是一样的，所以当未b赋值时，直接就返回了a中的`PyStringObject`对象。所以他们的内存地址相同。

字符串的拼接操作

字符串拼接通常有两种方式：

1. 利用'+'

2. str.join()函数

'+'方法，会重新申请一段内存，把连接后的字符串复制到新的内存中，也就是说N个字符串会申请N-1次内存

str.join()方法，接受一个list或者可迭代对象，统计有多少个字符串，统一分配内存，然后将连接后的字符串复制到新的内存当中