Python中关于Sequence切片的下标问题详解

发表于 5年以前 | 总阅读数：638 次

前言

在python中, 切片是一个经常会使用到的语法, 不管是元组, 列表还是字符串, 一般语法就是:

sequence[ilow:ihigh:step] # ihigh,step 可为空; 为了简短易懂, 暂时排除step的用法考虑

先来简单示范下用法


    sequence = [1,2,3,4,5]
    sequence [ilow:ihigh] # 从ilow开始到ihigh-1结束
    sequence [ilow:]  # 从ilow开始直到末尾
    sequence [:ihigh]  # 从头部开始直到ihigh结束
    sequence [:]   # 复制整个列表

语法很简洁, 也很容易理解, 这种语法在我们日常使用中是简单又好用, 但我相信在我们使用这种切片语法时, 都会习惯性谨遵一些规则:

ilow, ihigh均小于 sequece的长度
ilow < ihigh

因为在大部分情况下, 只有遵循上面的规则, 才能得到我们预期的结果! 可是如果我不遵循呢? 切片会怎样?

不管我们在使用元组, 列表还是字符串, 当我们想取中一个元素时, 我们会用到如下语法:


    sequence = [1,2,3,4,5]
    print sequence[1] # 输出2
    print sequence[2] # 输出3

上面出现的 1,2 我们姑且称之为下标, 不管是元组, 列表还是字符串, 我们都能通过下标来取出对应的值, 但是如果下标超过对象的长度, 那么将触发索引异常(IndexError)


    sequence = [1,2,3,4,5]
    print sequence[15] 

    ### 输出 ###
    Traceback (most recent call last):
     File "test.py", line 2, in <module>
     print a[20]
    IndexError: list index out of range

那么对于切片呢? 两种语法很相似, 假设我 ilow 和 ihigh分别是10和20, 那么结果是怎样呢

情景重现


    # version: python2.7

    a = [1, 2, 3, 5]
    print a[10:20] # 结果会报异常吗?

看到10和20, 完全超出了序列a的长度, 由于前面的代码, 或者以前的经验, 我们总会觉得这样肯定也会导致一个IndexError,那我们开终端来试验下:


    >>> a = [1, 2, 3, 5]
    >>> print a[10:20]
    []

结果居然是: [], 这感觉有点意思.是只有列表才会这么, 字符串呢, 元组呢?


    >>> s = '23123123123'
    >>> print s[400:2000]
    ''
    >>> t = (1, 2, 3,4)
    >>> print t[200: 1000]
    ()

结果都和列表的类似, 返回属于各自的空结果.

看到结果的我们眼泪掉下来, 不是返回一个IndexError, 而是直接返回空, 这让我们不禁想到, 其实语法相似, 背后的东西肯定还是不同的, 那我们下面一起来尝试去解释下这结果吧

原理分析

在揭开之前, 咱们要先搞清楚, python是怎样处理这个切片的, 可以通过dis模块来协助:


    ############# 切片 ################
    [root@iZ23pynfq19Z ~]# cat test.py
    a = [11,2,3,4]
    print a[20:30]

    #结果:
    [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 

    ############# 单下标取值 ################
    [root@gitlab ~]# cat test2.py
    a = [11,2,3,4]
    print a[20]

    #结果:
    [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

在这简单介绍下dis模块, 有经验的老司机都知道, python在解释脚本时, 也是存在一个编译的过程, 编译的结果就是我们经常看到的pyc文件, 这里面codeobject对象组成的字节码, 而dis就是将这些字节码用比较可观的方式展示出来, 让我们看到执行的过程, 下面是dis的输出列解释:

第一列是数字是原始源代码的行号。
第二列是字节码的偏移量：LOAD_CONST在第0行.以此类推。
第三列是字节码人类可读的名字。它们是为程序员所准备的
第四列表示指令的参数
第五列是计算后的实际参数

前面就不赘述了, 就是读常量存变量的过程, 最主要的区别就是: test.py 切片是使用了字节码 SLICE+3实现的, 而test2.py 单下标取值主要通过字节码BINARY_SUBSCR实现的,如同我们猜测的一样, 相似的语法却是截然不同的代码.因为我们要展开讨论的是切片(SLICE+3), 所以就不再展开BINARY_SUBSCR, 感兴趣的童鞋可以查看相关源码了解具体实现, 位置: python/object/ceval.c

那我们下面来展开讨论下 SLICE+3


    /*取自: python2.7 python/ceval.c */

    // 第一步: 
    PyEval_EvalFrameEx(PyFrameObject *f, int throwflag)
    {
      .... // 省略n行代码
      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, 然后调用apply_slice
       Py_DECREF(u);
       Py_XDECREF(v);
       Py_XDECREF(w);
       SET_TOP(x);
       if (x != NULL) DISPATCH();
       break;
      }

     .... // 省略n行代码
    }

    // 第二步:
    apply_slice(PyObject *u, PyObject *v, PyObject *w) /* return u[v:w] */
    {
     PyTypeObject *tp = u->ob_type;  
     PySequenceMethods *sq = tp->tp_as_sequence;

     if (sq && sq->sq_slice && ISINDEX(v) && ISINDEX(w)) { // v,w的类型检查,要整型/长整型对象
      Py_ssize_t ilow = 0, ihigh = PY_SSIZE_T_MAX;
      if (!_PyEval_SliceIndex(v, &ilow;))    // 将v对象再做检查, 并将其值转换出来,存给ilow
       return NULL;
      if (!_PyEval_SliceIndex(w, &ihigh;))    // 同上
       return NULL;
      return PySequence_GetSlice(u, ilow, ihigh);  // 获取u对象对应的切片函数
     }
     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) {
        // 先做个简单的初始化, 如果左右下表小于, 将其加上sequence长度使其归为0
        Py_ssize_t l = (*m->sq_length)(s);
        if (l < 0)
         return NULL;
        if (i1 < 0)
         i1 += l;
        if (i2 < 0)
         i2 += l;
       }
      }
      // 真正调用对象的sq_slice函数, 来执行切片的操作
      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);

虽然上面的代码有点长, 不过关键地方都已经注释出来, 而我们也只需要关注那些地方就足够了. 如上, 我们知道最终是要执行m->sq_slice(s, i1, i2) , 但是这个sq_slice有点特别, 因为不同的对象, 它所对应的函数不同, 下面是各自的对应函数:


    // 字符串对象
    StringObject.c: (ssizessizeargfunc)string_slice, /*sq_slice*/

    // 列表对象
    ListObject.c: (ssizessizeargfunc)list_slice,  /* sq_slice */

    // 元组
    TupleObject.c: (ssizessizeargfunc)tupleslice,  /* sq_slice */

因为他们三个的函数实现大致相同, 所以我们只分析其中一个就可以了, 下面是对列表的切片函数分析:


    /* 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长度, 那么重新赋值为a的长度
      ilow = Py_SIZE(a);
     if (ihigh < ilow)  
      ihigh = ilow;
     else if (ihigh > Py_SIZE(a))    // 如果ihigh大于a长度, 那么重新赋值为a的长度 
      ihigh = Py_SIZE(a);
     len = ihigh - ilow;
     np = (PyListObject *) PyList_New(len); // 创建一个ihigh - ilow的新列表对象
     if (np == NULL)
      return NULL;

     src = a->ob_item + ilow;
     dest = np->ob_item;
     for (i = 0; i < len; i++) {    // 将a处于该范围内的成员, 添加到新列表对象
      PyObject *v = src[i];
      Py_INCREF(v);
      dest[i] = v;
     }
     return (PyObject *)np;
    }

结论

从上面的sq_slice函数对应的切片函数可以看到, 如果在使用切片时, 左右下标都大于sequence的长度时, 都将会被重新赋值成sequence的长度, 所以咱们一开始的切片: print a[10:20] , 实际上运行的是: print a4:4 . 通过这次的分析, 以后在遇到下标大于对象长度的切片, 应该不会再懵逼了~

好了，以上就是这篇文章的全部内容了，希望本文的内容对大家的学习或者工作能带来一定的帮助，如有疑问大家可以留言交流，谢谢大家对脚本之家的支持。