添字問題とシーケンススライスの解決策について

この記事では、主に Python のシーケンス スライスの添字付けに関する関連情報をサンプル コードを通じて詳しく紹介します。必要な方は以下を参照してください。バー。

はじめに

Python では、スライスは、タプル、リスト、文字列のいずれであっても、よく使用される構文です。一般的な構文は次のとおりです。

sequence[ilow: ihigh :step] # ihigh、step は空にすることができます。わかりやすくするために、step の使用法は一時的に除外されています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("&#39;%.200s&#39; 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)

使用法を簡単に説明しましょう

// 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 */

構文は非常に簡潔で簡単です。この構文はシンプルで日常的に使いやすいですが、このスライス構文を使用するときは、習慣的にいくつかのルールに従うことになると思います。

< li>ilow、ihigh は両方ともシーケンスの長さよりも小さいです
• ilow < ihigh

🎜なぜなら、ほとんどの場合、上記のルールに従って、期待した結果を得ることができます! しかし、これに従わなかった場合はどうなるでしょうか? 🎜🎜 タプル、リスト、または文字列を使用する場合、要素を取得する場合は、次の構文: 🎜🎜🎜🎜

/* 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;
}

🎜 上に表示される 1 と 2 を添字と呼びます。タプル、リスト、または文字列のいずれであっても、添字が を超える場合は、添字を使用して対応する値を取得できます。オブジェクトの長さに応じて IndexError (IndexError) が発生します🎜🎜🎜🎜rrreee🎜 それでは、2 つの構文がそれぞれ 10 と 20 であると仮定すると、結果はどうなるでしょうか? 10 と 20 を参照してください。これらはシーケンス a の長さを完全に超えています。前のコードまたは以前の経験により、これは間違いなく IndexError を引き起こすと常に感じているので、ターミナルを開いてテストしてみましょう:🎜🎜 🎜🎜rrreee🎜結果は実際には [] となり、これは少し興味深い感じがします。これを実行できるのはリストだけです。文字列やタプルはどうですか?🎜🎜🎜🎜rrreee🎜 結果はリストの結果と似ており、それぞれ空の結果を返します。 🎜🎜IndexError が返されるのではなく、直接 null が返されるのを見て涙を流しました。これについては、構文は似ていますが、根底にあるものは異なるはずだと考えました。結果🎜🎜🎜🎜原理分析🎜🎜🎜🎜🎜それを明らかにする前に、まずPythonがこのスライスをどのように処理するかを理解する必要があります。これを支援するためにdisモジュールを使用できます:🎜🎜🎜🎜rrreee🎜ここで簡単な紹介をします。 dis モジュールを使用する場合、経験豊富なドライバーは、Python がスクリプトを解釈するときにコンパイル プロセスも行われることを知っています。コンパイルの結果は、よく見られる pyc ファイルです。ここで codeobject オブジェクト 🎜 はバイトコードで構成されており、dis はこれらのバイトコードをより印象的な方法で表示し、実行プロセスを確認できるようにするためのものです。 以下は、 の出力列の説明です。 dis: 🎜

• 🎜 最初の列は、元のソース コードの行番号を示す番号です。 🎜
• 🎜 2 番目の列はバイトコードのオフセットです。LOAD_CONST は行 0 にあります。以下同様です。 🎜
• 🎜 3 番目の列は、人間が読めるバイトコードの名前です。これらはプログラマ向けに用意されています🎜
• 🎜4番目の列は命令のパラメータを表します🎜
• 🎜5番目の列は計算された実際のパラメータです🎜🎜
ul> 🎜ここでは詳細には触れませんが、主な処理は定数の読み取りと変数の保存です🎜。違いは、test.py のスライスはバイトコード SLICE+3 を使用して実装されているのに対し、test2.py の単一添字値は主にバイトコード BINARY_SUBSCR を使用して実装されているということです。ご想像のとおり、同様の構文は完全に異なるコードです。ここで議論したいのはスライスであるためです。 (SLICE+3)、BINARY_SUBSCR はもう展開しません。興味のある方は、関連するソース コードを確認して、特定の実装について学ぶことができます。次に、SLICE+3 について説明します。 🎜🎜🎜🎜rrreee🎜上記のコードは少し長いですが、重要な場所はコメントアウトされているので、それらの場所に注意するだけで済みます。上記のように、 m を実行する必要があることがわかります。 end ->sq_slice(s, i1, i2) ですが、オブジェクトごとに対応する関数が異なるため、この sq_slice は少し特殊です。対応する関数は次のとおりです。 🎜🎜🎜🎜rrreee🎜 これらは 3 つあるためです。関数の実装はほぼ同じなので、そのうちの 1 つを分析するだけで済みます。 以下は、リストのスライス関数の分析です。

上記の sq_slice 関数に対応するスライス関数からわかるように、スライスを使用するときに左と右の添え字がシーケンスの長さよりも大きい場合、それらはシーケンスの長さに再割り当てされるため、最初のスライスは次のようになります。 print a[10:20] , 实际上运行的是: print a4:4 . この分析により、添え字がオブジェクトの長さよりも大きいスライスに遭遇しても混乱することはなくなります~

以上が添字問題とシーケンススライスの解決策についての詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。