Python中关于Sequence切片的下标问题的示例详解

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:

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] # 

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] 

### 

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:

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~