Python中關(guān)于Sequence切片的下標(biāo)問題詳解

在python中, 切片是一個(gè)經(jīng)常會(huì)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(jiǎn)短易懂, 暫時(shí)排除step的用法考慮

先來簡(jiǎn)單示范下用法
sequence = [1,2,3,4,5]
sequence [ilow:ihigh] # 從ilow開始到ihigh-1結(jié)束
sequence [ilow:]  # 從ilow開始直到末尾
sequence [:ihigh]  # 從頭部開始直到ihigh結(jié)束
sequence [:]   # 復(fù)制整個(gè)列表

語法很簡(jiǎn)潔, 也很容易理解, 這種語法在我們?nèi)粘Ｊ褂弥?是簡(jiǎn)單又好用, 但我相信在我們使用這種切片語法時(shí), 都會(huì)習(xí)慣性謹(jǐn)遵一些規(guī)則:

    ilow, ihigh均小于 sequece的長(zhǎng)度
    ilow < ihigh
因?yàn)樵诖蟛糠智闆r下, 只有遵循上面的規(guī)則, 才能得到我們預(yù)期的結(jié)果! 可是如果我不遵循呢? 切片會(huì)怎樣?
不管我們?cè)谑褂迷M, 列表還是字符串, 當(dāng)我們想取中一個(gè)元素時(shí), 我們會(huì)用到如下語法:
sequence = [1,2,3,4,5]
print sequence[1] # 輸出2
print sequence[2] # 輸出3
上面出現(xiàn)的 1,2 我們姑且稱之為下標(biāo), 不管是元組, 列表還是字符串, 我們都能通過下標(biāo)來取出對(duì)應(yīng)的值, 但是如果下標(biāo)超過對(duì)象的長(zhǎng)度, 那么將觸發(fā)索引異常(IndexError)
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(duì)于切片呢? 兩種語法很相似, 假設(shè)我 ilow 和 ihigh分別是10和20, 那么結(jié)果是怎樣呢
情景重現(xiàn)  
# version: python2.7
 
a = [1, 2, 3, 5]
print a[10:20] # 結(jié)果會(huì)報(bào)異常嗎?

看到10和20, 完全超出了序列a的長(zhǎng)度, 由于前面的代碼, 或者以前的經(jīng)驗(yàn), 我們總會(huì)覺得這樣肯定也會(huì)導(dǎo)致一個(gè)IndexError,那我們開終端來試驗(yàn)下:  
>>> a = [1, 2, 3, 5]
>>> print a[10:20]
[]

結(jié)果居然是: [], 這感覺有點(diǎn)意思.是只有列表才會(huì)這么, 字符串呢, 元組呢?
>>> s = '23123123123'
>>> print s[400:2000]
''
>>> t = (1, 2, 3,4)
>>> print t[200: 1000]
()

結(jié)果都和列表的類似, 返回屬于各自的空結(jié)果.

看到結(jié)果的我們眼淚掉下來, 不是返回一個(gè)IndexError, 而是直接返回空, 這讓我們不禁想到, 其實(shí)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(jié)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(gè)切片的, 可以通過dis模塊來協(xié)助:
############# 切片 ################
[root@iZ23pynfq19Z ~]# cat test.py
a = [11,2,3,4]
print a[20:30]
 
#結(jié)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(biāo)取值 ################
[root@gitlab ~]# cat test2.py
a = [11,2,3,4]
print a[20]
 
#結(jié)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(jiǎn)單介紹下dis模塊, 有經(jīng)驗(yàn)的老司機(jī)都知道, python在解釋腳本時(shí), 也是存在一個(gè)編譯的過程, 編譯的結(jié)果就是我們經(jīng)?？吹降膒yc文件, 這里面codeobject對(duì)象組成的字節(jié)碼, 而dis就是將這些字節(jié)碼用比較可觀的方式展示出來, 讓我們看到執(zhí)行的過程, 下面是dis的輸出列解釋:
    第一列是數(shù)字是原始源代碼的行號(hào)。
    第二列是字節(jié)碼的偏移量：LOAD_CONST在第0行.以此類推。
    第三列是字節(jié)碼人類可讀的名字。它們是為程序員所準(zhǔn)備的
    第四列表示指令的參數(shù)
    第五列是計(jì)算后的實(shí)際參數(shù)

前面就不贅述了, 就是讀常量存變量的過程, 最主要的區(qū)別就是: test.py 切片是使用了字節(jié)碼 SLICE+3實(shí)現(xiàn)的, 而test2.py 單下標(biāo)取值主要通過字節(jié)碼BINARY_SUBSCR實(shí)現(xiàn)的,如同我們猜測(cè)的一樣, 相似的語法卻是截然不同的代碼.因?yàn)槲覀円归_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(guān)源碼了解具體實(shí)現(xiàn), 位置: python/object/ceval.c
那我們下面來展開討論下 SLICE+3
/*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(diào)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;  
 PySequenceMethods *sq = tp->tp_as_sequence;
 
 if (sq && sq->sq_slice && ISINDEX(v) && ISINDEX(w)) { // v,w的類型檢查,要整型/長(zhǎng)整型對(duì)象
  Py_ssize_t ilow = 0, ihigh = PY_SSIZE_T_MAX;
  if (!_PyEval_SliceIndex(v, &ilow))    // 將v對(duì)象再做檢查, 并將其值轉(zhuǎn)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(duì)象對(duì)應(yīng)的切片函數(shù)
 }
 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(gè)簡(jiǎn)單的初始化, 如果左右下表小于, 將其加上sequence長(zhǎng)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(diào)用對(duì)象的sq_slice函數(shù), 來執(zhí)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(diǎn)長(zhǎng), 不過關(guān)鍵地方都已經(jīng)注釋出來, 而我們也只需要關(guān)注那些地方就足夠了. 如上, 我們知道最終是要執(zhí)行 m->sq_slice(s, i1, i2) , 但是這個(gè)sq_slice有點(diǎn)特別, 因?yàn)椴煌膶?duì)象, 它所對(duì)應(yīng)的函數(shù)不同, 下面是各自的對(duì)應(yīng)函數(shù):
 
// 字符串對(duì)象
StringObject.c: (ssizessizeargfunc)string_slice, /*sq_slice*/
 
// 列表對(duì)象
ListObject.c: (ssizessizeargfunc)list_slice,  /* sq_slice */
 
// 元組
TupleObject.c: (ssizessizeargfunc)tupleslice,  /* sq_slice */

因?yàn)樗麄內(nèi)齻€(gè)的函數(shù)實(shí)現(xiàn)大致相同, 所以我們只分析其中一個(gè)就可以了, 下面是對(duì)列表的切片函數(shù)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長(zhǎng)度, 那么重新賦值為a的長(zhǎng)度
  ilow = Py_SIZE(a);
 if (ihigh < ilow)  
  ihigh = ilow;
 else if (ihigh > Py_SIZE(a))    // 如果ihigh大于a長(zhǎng)度, 那么重新賦值為a的長(zhǎng)度
  ihigh = Py_SIZE(a);
 len = ihigh - ilow;
 np = (PyListObject *) PyList_New(len); // 創(chuàng)建一個(gè)ihigh - ilow的新列表對(duì)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(nèi)的成員, 添加到新列表對(duì)象
  PyObject *v = src[i];
  Py_INCREF(v);
  dest[i] = v;
 }
 return (PyObject *)np;
}

結(jié)論

從上面的sq_slice函數(shù)對(duì)應(yīng)的切片函數(shù)可以看到, 如果在使用切片時(shí), 左右下標(biāo)都大于sequence的長(zhǎng)度時(shí), 都將會(huì)被重新賦值成sequence的長(zhǎng)度, 所以咱們一開始的切片: print a[10:20] , 實(shí)際上運(yùn)行的是: print a4:4 . 通過這次的分析, 以后在遇到下標(biāo)大于對(duì)象長(zhǎng)度的切片, 應(yīng)該不會(huì)再懵逼了~