python - 通过引用而不是复制到不可变字符串的切片

Question

如果你在 Python 字符串上使用string.split()，它会返回一个字符串列表。这些被拆分出来的子字符串是其父字符串部分的副本。

是否有可能获得一些更便宜的切片对象，它只包含拆分出的位的引用、偏移量和长度？

是否有可能有一些“字符串视图”来提取和处理这些子字符串，就好像它们是字符串一样，而不复制它们的字节？

（我问，因为我有非常大的字符串，我想切片并且偶尔会耗尽内存；删除副本将是一个廉价的配置文件引导的胜利。）

Answer 1

buffer会给你一个字符串的只读视图。

>>> s = 'abcdefghijklmnopqrstuvwxyz'
>>> b = buffer(s, 2, 10)
>>> b
<read-only buffer for 0x7f935ee75d70, size 10, offset 2 at 0x7f935ee5a8f0>
>>> b[:]
'cdefghijkl'

Answer 2

在 Python 中，字符串对象总是指向一个以 NUL 结尾的缓冲区，因此必须复制子字符串。正如 Ignacio 指出的那样，您可以使用buffer()来获取字符串内存的只读视图。不过，buffer()内置函数已被更通用的memoryview对象取代，这些对象在 Python 2.7 和 3.x 中可用（buffer()在 Python 3.x 中已消失）。

s = "abcd" * 50
view = memoryview(s)
subview = view[10:20]
print subview.tobytes()

此代码打印

cdabcdabcd

只要您调用tobytes()，就会创建字符串的副本，但是buffer在 Ignacio 的回答中切片旧对象时也会发生同样的情况。

Answer 3

这是我想出的快速的类似字符串的缓冲区包装器；我能够使用它来代替经典字符串，而无需更改预期使用字符串的代码。

class StringView:
    def __init__(self,s,start=0,size=sys.maxint):
        self.s, self.start, self.stop = s, start, min(start+size,len(s))
        self.size = self.stop - self.start
        self._buf = buffer(s,start,self.size)
    def find(self,sub,start=0,stop=None):
        assert start >= 0, start
        assert (stop is None) or (stop <= self.size), stop
        ofs = self.s.find(sub,self.start+start,self.stop if (stop is None) else (self.start+stop))
        if ofs != -1: ofs -= self.start
        return ofs
    def split(self,sep=None,maxsplit=sys.maxint):
        assert maxsplit > 0, maxsplit
        ret = []
        if sep is None: #whitespace logic
            pos = [self.start,self.start] # start and stop
            def eat(whitespace=False):
                while (pos[1] < self.stop) and (whitespace == (ord(self.s[pos[1]])<=32)):
                    pos[1] += 1
            def eat_whitespace():
                eat(True)
                pos[0] = pos[1]
            eat_whitespace()
            while pos[1] < self.stop:
                eat()
                ret.append(self.__class__(self.s,pos[0],pos[1]-pos[0]))
                eat_whitespace()
                if len(ret) == maxsplit:
                    ret.append(self.__class__(self.s,pos[1]))
                    break
        else:
            start = stop = 0
            while len(ret) < maxsplit:
                stop = self.find(sep,start)
                if -1 == stop:
                    break
                ret.append(self.__class__(self.s,self.start+start,stop-start))
                start = stop + len(sep)
            ret.append(self.__class__(self.s,self.start+start,self.size-start))
        return ret
    def split_str(self,sep=None,maxsplit=sys.maxint):
        "if you really want strings and not views"
        return [str(sub) for sub in self.split(sep,maxsplit)]
    def __cmp__(self,s):
        if isinstance(s,self.__class__):
            return cmp(self._buf,s._buf)
        assert isinstance(s,str), type(s)
        return cmp(self._buf,s)
    def __len__(self):
        return self.size
    def __str__(self):
        return str(self._buf)
    def __repr__(self):
        return "'%s'"%self._buf

if __name__=="__main__":
    test_str = " this: is: a: te:st str:ing :"
    test = Envelope.StringView(test_str)
    print "find('is')"
    print "\t",test_str.find("is")
    print "\t",test.find("is")
    print "find('is',4):"
    print "\t",test_str.find("is",4)
    print "\t",test.find("is",4)
    print "find('is',4,7):"
    print "\t",test_str.find("is",4,7)
    print "\t",test.find("is",4,7)
    print "split():"
    print "\t",test_str.split()
    print "\t",test.split()
    print "split(None,2):"
    print "\t",test_str.split(None,2)
    print "\t",test.split(None,2)
    print "split(':'):"
    print "\t",test_str.split(":")
    print "\t",test.split(":")
    print "split('x'):"
    print "\t",test_str.split("x")
    print "\t",test.split("x")
    print "''.split('x'):"
    print "\t","".split("x")
    print "\t",Envelope.StringView("").split("x")