前言
在python中, 切片是一個經常會使用到的語法, 不管是元組, 列表還是字符串, 一般語法就是:
sequence[ilow:ihigh:step] # ihigh,step 可為空; 為了簡短易懂, 暫時排除step的用法考慮
先來簡單示范下用法
|
1
2
3
4
5
|
sequence = [1,2,3,4,5]sequence [ilow:ihigh] # 從ilow開始到ihigh-1結束sequence [ilow:] # 從ilow開始直到末尾sequence [:ihigh] # 從頭部開始直到ihigh結束sequence [:] # 復制整個列表 |
語法很簡潔, 也很容易理解, 這種語法在我們日常使用中 是簡單又好用, 但我相信在我們使用這種切片語法時, 都會習慣性謹遵一些規則:
- ilow, ihigh均小于 sequece的長度
- ilow < ihigh
因為在大部分情況下, 只有遵循上面的規則, 才能得到我們預期的結果! 可是如果我不遵循呢? 切片會怎樣?
不管我們在使用元組, 列表還是字符串, 當我們想取中一個元素時, 我們會用到如下語法:
|
1
2
3
|
sequence = [1,2,3,4,5]print sequence[1] # 輸出2print sequence[2] # 輸出3 |
上面出現的 1,2 我們姑且稱之為下標, 不管是元組, 列表還是字符串, 我們都能通過下標來取出對應的值, 但是如果下標超過對象的長度, 那么將觸發索引異常(IndexError)
|
1
2
3
4
5
6
7
8
|
sequence = [1,2,3,4,5]print sequence[15] ### 輸出 ###Traceback (most recent call last): File "test.py", line 2, in <module> print a[20]IndexError: list index out of range |
那么對于切片呢? 兩種語法很相似, 假設我 ilow 和 ihigh分別是10和20, 那么結果是怎樣呢
情景重現
|
1
2
3
4
|
# version: python2.7a = [1, 2, 3, 5]print a[10:20] # 結果會報異常嗎? |
看到10和20, 完全超出了序列a的長度, 由于前面的代碼, 或者以前的經驗, 我們總會覺得這樣肯定也會導致一個IndexError,那我們開終端來試驗下:
|
1
2
3
|
>>> a = [1, 2, 3, 5]>>> print a[10:20][] |
結果居然是: [], 這感覺有點意思.是只有列表才會這么, 字符串呢, 元組呢?
|
1
2
3
4
5
6
|
>>> s = '23123123123'>>> print s[400:2000]''>>> t = (1, 2, 3,4)>>> print t[200: 1000]() |
結果都和列表的類似, 返回屬于各自的空結果.
看到結果的我們眼淚掉下來, 不是返回一個IndexError, 而是直接返回空, 這讓我們不禁想到, 其實語法相似, 背后的東西肯定還是不同的, 那我們下面一起來嘗試去解釋下這結果吧
原理分析
在揭開之前, 咱們要先搞清楚, python是怎樣處理這個切片的, 可以通過dis模塊來協助:
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
|
############# 切片 ################[root@iZ23pynfq19Z ~]# cat test.pya = [11,2,3,4]print a[20:30]#結果:[root@iZ23pynfq19Z ~]# python -m dis test.py 1 0 LOAD_CONST 0 (11) 3 LOAD_CONST 1 (2) 6 LOAD_CONST 2 (3) 9 LOAD_CONST 3 (4) 12 BUILD_LIST 4 15 STORE_NAME 0 (a) 2 18 LOAD_NAME 0 (a) 21 LOAD_CONST 4 (20) 24 LOAD_CONST 5 (30) 27 SLICE+3 28 PRINT_ITEM 29 PRINT_NEWLINE 30 LOAD_CONST 6 (None) 33 RETURN_VALUE ############# 單下標取值 ################[root@gitlab ~]# cat test2.pya = [11,2,3,4]print a[20]#結果:[root@gitlab ~]# python -m dis test2.py 1 0 LOAD_CONST 0 (11) 3 LOAD_CONST 1 (2) 6 LOAD_CONST 2 (3) 9 LOAD_CONST 3 (4) 12 BUILD_LIST 4 15 STORE_NAME 0 (a) 2 18 LOAD_NAME 0 (a) 21 LOAD_CONST 4 (20) 24 BINARY_SUBSCR 25 PRINT_ITEM 26 PRINT_NEWLINE 27 LOAD_CONST 5 (None) 30 RETURN_VALUE |
在這簡單介紹下dis模塊, 有經驗的老司機都知道, python在解釋腳本時, 也是存在一個編譯的過程, 編譯的結果就是我們經常看到的pyc文件, 這里面codeobject對象組成的字節碼, 而dis就是將這些字節碼用比較可觀的方式展示出來, 讓我們看到執行的過程, 下面是dis的輸出列解釋:
- 第一列是數字是原始源代碼的行號。
- 第二列是字節碼的偏移量：LOAD_CONST在第0行.以此類推。
- 第三列是字節碼人類可讀的名字。它們是為程序員所準備的
- 第四列表示指令的參數
- 第五列是計算后的實際參數
前面就不贅述了, 就是讀常量存變量的過程, 最主要的區別就是: test.py 切片是使用了字節碼 SLICE+3實現的, 而test2.py 單下標取值主要通過字節碼BINARY_SUBSCR實現的,如同我們猜測的一樣, 相似的語法卻是截然不同的代碼.因為我們要展開討論的是切片(SLICE+3), 所以就不再展開BINARY_SUBSCR, 感興趣的童鞋可以查看相關源碼了解具體實現, 位置: python/object/ceval.c
那我們下面來展開討論下 SLICE+3
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
|
/*取自: python2.7 python/ceval.c */// 第一步: PyEval_EvalFrameEx(PyFrameObject *f, int throwflag){ .... // 省略n行代碼 TARGET_WITH_IMPL_NOARG(SLICE, _slice) TARGET_WITH_IMPL_NOARG(SLICE_1, _slice) TARGET_WITH_IMPL_NOARG(SLICE_2, _slice) TARGET_WITH_IMPL_NOARG(SLICE_3, _slice) _slice: { if ((opcode-SLICE) & 2) w = POP(); else w = NULL; if ((opcode-SLICE) & 1) v = POP(); else v = NULL; u = TOP(); x = apply_slice(u, v, w); // 取出v: ilow, w: ihigh, 然后調用apply_slice Py_DECREF(u); Py_XDECREF(v); Py_XDECREF(w); SET_TOP(x); if (x != NULL) DISPATCH(); break; } .... // 省略n行代碼}// 第二步:apply_slice(PyObject *u, PyObject *v, PyObject *w) /* return u[v:w] */{ PyTypeObject *tp = u->ob_type; if (sq && sq->sq_slice && ISINDEX(v) && ISINDEX(w)) { // v,w的類型檢查,要整型/長整型對象 Py_ssize_t ilow = 0, ihigh = PY_SSIZE_T_MAX; if (!_PyEval_SliceIndex(v, &ilow)) // 將v對象再做檢查, 并將其值轉換出來,存給ilow return NULL; if (!_PyEval_SliceIndex(w, &ihigh)) // 同上 return NULL; return PySequence_GetSlice(u, ilow, ihigh); // 獲取u對象對應的切片函數 } else { PyObject *slice = PySlice_New(v, w, NULL); if (slice != NULL) { PyObject *res = PyObject_GetItem(u, slice); Py_DECREF(slice); return res; } else return NULL; }// 第三步:PySequence_GetSlice(PyObject *s, Py_ssize_t i1, Py_ssize_t i2){ PySequenceMethods *m; PyMappingMethods *mp; if (!s) return null_error(); m = s->ob_type->tp_as_sequence; if (m && m->sq_slice) { if (i1 < 0 || i2 < 0) { if (m->sq_length) { // 先做個簡單的初始化, 如果左右下表小于, 將其加上sequence長度使其歸為0 Py_ssize_t l = (*m->sq_length)(s); if (l < 0) return NULL; if (i1 < 0) i1 += l; if (i2 < 0) i2 += l; } } // 真正調用對象的sq_slice函數, 來執行切片的操作 return m->sq_slice(s, i1, i2); } else if ((mp = s->ob_type->tp_as_mapping) && mp->mp_subscript) { PyObject *res; PyObject *slice = _PySlice_FromIndices(i1, i2); if (!slice) return NULL; res = mp->mp_subscript(s, slice); Py_DECREF(slice); return res; } return type_error("'%.200s' object is unsliceable", s); |
雖然上面的代碼有點長, 不過關鍵地方都已經注釋出來, 而我們也只需要關注那些地方就足夠了. 如上, 我們知道最終是要執行 m->sq_slice(s, i1, i2) , 但是這個sq_slice有點特別, 因為不同的對象, 它所對應的函數不同, 下面是各自的對應函數:
|
1
2
3
4
5
6
7
8
|
// 字符串對象StringObject.c: (ssizessizeargfunc)string_slice, /*sq_slice*/// 列表對象ListObject.c: (ssizessizeargfunc)list_slice, /* sq_slice */// 元組TupleObject.c: (ssizessizeargfunc)tupleslice, /* sq_slice */ |
因為他們三個的函數實現大致相同, 所以我們只分析其中一個就可以了, 下面是對列表的切片函數分析:
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
|
/* 取自ListObject.c */static PyObject *list_slice(PyListObject *a, Py_ssize_t ilow, Py_ssize_t ihigh){ PyListObject *np; PyObject **src, **dest; Py_ssize_t i, len; if (ilow < 0) ilow = 0; else if (ilow > Py_SIZE(a)) // 如果ilow大于a長度, 那么重新賦值為a的長度 ilow = Py_SIZE(a); if (ihigh < ilow) ihigh = ilow; else if (ihigh > Py_SIZE(a)) // 如果ihigh大于a長度, 那么重新賦值為a的長度 ihigh = Py_SIZE(a); len = ihigh - ilow; np = (PyListObject *) PyList_New(len); // 創建一個ihigh - ilow的新列表對象 if (np == NULL) return NULL; src = a->ob_item + ilow; dest = np->ob_item; for (i = 0; i < len; i++) { // 將a處于該范圍內的成員, 添加到新列表對象 PyObject *v = src[i]; Py_INCREF(v); dest[i] = v; } return (PyObject *)np;} |
結論
從上面的sq_slice函數對應的切片函數可以看到, 如果在使用切片時, 左右下標都大于sequence的長度時, 都將會被重新賦值成sequence的長度, 所以咱們一開始的切片: print a[10:20] , 實際上運行的是: print a4:4 . 通過這次的分析, 以后在遇到下標大于對象長度的切片, 應該不會再懵逼了~
好了，以上就是這篇文章的全部內容了，希望本文的內容對大家的學習或者工作能帶來一定的幫助，如有疑問大家可以留言交流，謝謝大家對服務器之家的支持。
原文鏈接：https://segmentfault.com/a/1190000009008550
