《Python源码剖析》阅读笔记：第三章-字符串对象

第三章-字符串对象

 字符串对象定义：
typedef struct {
PyObject_VAR_HEAD
long ob_shash;
int ob_sstate;
char ob_sval[1];
} PyStringObject;
由于字符串是变长对象，所以有变长对象头。
ob_shash用来缓存当前字符串的哈希值，这在以字符串作为key的dict对象查询时非常有用。
ob_sstate用来标记该字符串是否为interned。
最后这个ob_sval比较巧妙，定义的是一个字符的数组，他的作用其实是作为实际分配内存后，字符串缓冲区的指针。在实际给字符串对象分配内存时，Python申请的内存大小为PyStringObject + 字符串长度。Python规定字符串缓冲区末尾必须是'\0'，所以由ob_sval实际指向的缓冲区的长度刚好是length + 1，而ob_sval正好又是字符串对象尾部缓冲区的指针。

字符串对象的intern机制：
对于相同的两个字符串，Python不会为其创建两个字符串对象，以节省内存。intern机制由一个全局的intern字典维护。当新建一个字符串时，运行时会在intern字典中查询是否已经存在这个字符串，如果存在，则直接增加字典里的字符串对象的引用计数；如果不存在，则将其添加到字典中。

和整数对象一样，字符串对象同样有对象池机制提供对ASCII码对象的快速引用。其原理是，当字符串被创建时，PyString_FromString函数会检查字符串长度，如果长度为1，则先创建字符串，然后intern字符串，最后将字符串对象指针保存在characters对象池中。以后访问字符串，如果长度为1，就直接从对象池中返回对象指针。

关于字符串拼接的效率：字符串拼接有两种方式，“+”操作符和str.join(iterable)函数。“+”操作符会调用string_concat函数。它会重新申请一块内存，然后将两个字符串复制到新的内存中，返回一个字符串对象。也就是说，N个字符串拼接会调用N-1次string_concat函数，即申请N-1次内存，效率是非常底下的。所以官方推荐str.join(iterable)函数，它接受一个list或tuple等可迭代对象，统计有多少个字符串，统一分配一次内存，然后复制左右字符串到新内存中，并返回字符串对象。可见后者效率要高很多