Python中關于Sequence切片的下標問題詳解

在python中, 切片是一個經常會使用到的語法, 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; 為了簡短易懂, 暫時排除step的用法考慮

先來簡單示范下用法
sequence = [1,2,3,4,5]
sequence [ilow:ihigh] # 從ilow開始到ihigh-1結束
sequence [ilow:]  # 從ilow開始直到末尾
sequence [:ihigh]  # 從頭部開始直到ihigh結束
sequence [:]   # 復制整個列表

語法很簡潔, 也很容易理解, 這種語法在我們日常使用中 是簡單又好用, 但我相信在我們使用這種切片語法時, 都會習慣性謹遵一些規則:

    ilow, ihigh均小于 sequece的長度
    ilow < ihigh

因為在大部分情況下, 只有遵循上面的規則, 才能得到我們預期的結果! 可是如果我不遵循呢? 切片會怎樣?

不管我們在使用元組, 列表還是字符串, 當我們想取中一個元素時, 我們會用到如下語法:
sequence = [1,2,3,4,5]
print sequence[1] # 輸出2
print sequence[2] # 輸出3

上面出現的 1,2 我們姑且稱之為下標, 不管是元組, 列表還是字符串, 我們都能通過下標來取出對應的值, 但是如果下標超過對象的長度, 那么將觸發索引異常(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

那么對于切片呢? 兩種語法很相似, 假設我 ilow 和 ihigh分別是10和20, 那么結果是怎樣呢

情景重現  
# version: python2.7
 
a = [1, 2, 3, 5]
print a[10:20] # 結果會報異常嗎?

看到10和20, 完全超出了序列a的長度, 由于前面的代碼, 或者以前的經驗, 我們總會覺得這樣肯定也會導致一個IndexError,那我們開終端來試驗下:  
>>> a = [1, 2, 3, 5]
>>> print a[10:20]
[]

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

結果都和列表的類似, 返回屬于各自的空結果.

看到結果的我們眼淚掉下來, 不是返回一個IndexError, 而是直接返回空, 這讓我們不禁想到, 其實語法相似, 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是怎樣處理這個切片的, 可以通過dis模塊來協助:
 
############# 切片 ################
[root@iZ23pynfq19Z ~]# cat test.py
a = [11,2,3,4]
print a[20:30]
 
#結果:
[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
 
############# 單下標取值 ################
[root@gitlab ~]# cat test2.py
a = [11,2,3,4]
print a[20]
 
#結果:
[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

在這簡單介紹下dis模塊, 有經驗的老司機都知道, python在解釋腳本時, 也是存在一個編譯的過程, 編譯的結果就是我們經?？吹降膒yc文件, 這里面codeobject對象組成的字節碼, 而dis就是將這些字節碼用比較可觀的方式展示出來, 讓我們看到執行的過程, 下面是dis的輸出列解釋:
    第一列是數字是原始源代碼的行號。
    第二列是字節碼的偏移量：LOAD_CONST在第0行.以此類推。
    第三列是字節碼人類可讀的名字。它們是為程序員所準備的
    第四列表示指令的參數
    第五列是計算后的實際參數

前面就不贅述了, 就是讀常量存變量的過程, 最主要的區別就是: test.py 切片是使用了字節碼 SLICE+3實現的, 而test2.py 單下標取值主要通過字節碼BINARY_SUBSCR實現的,如同我們猜測的一樣, 相似的語法卻是截然不同的代碼.因為我們要展開討論的是切片(SLICE+3), 所以就不再展開BINARY_SUBSCR, 感興趣的童鞋可以查看相關源碼了解具體實現, 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/長整型對象
  Py_ssize_t ilow = 0, ihigh = PY_SSIZE_T_MAX;
  if (!_PyEval_SliceIndex(v, &ilow))    // 將v對象再做檢查, 并將其值轉換出來,存給ilow
   return NULL;
  if (!_PyEval_SliceIndex(w, &ihigh))    // 同上
   return NULL;
  return PySequence_GetSlice(u, ilow, ihigh);  // 獲取u對象對應的切片函數
 }
 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) {
    // 先做個簡單的初始化, 如果左右下表小于, 將其加上sequence長度使其歸為0
    Py_ssize_t l = (*m->sq_length)(s);
    if (l < 0)
     return NULL;
    if (i1 < 0)
     i1 += l;
    if (i2 < 0)
     i2 += l;
   }
  }
  // 真正調用對象的sq_slice函數, 來執行切片的操作
  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長, 不過關鍵地方都已經注釋出來, 而我們也只需要關注那些地方就足夠了. 如上, 我們知道最終是要執行 m->sq_slice(s, i1, i2) , 但是這個sq_slice有點特別, 因為不同的對象, 它所對應的函數不同, 下面是各自的對應函數:
 
// 字符串對象
StringObject.c: (ssizessizeargfunc)string_slice, /*sq_slice*/
 
// 列表對象
ListObject.c: (ssizessizeargfunc)list_slice,  /* sq_slice */
 
// 元組
TupleObject.c: (ssizessizeargfunc)tupleslice,  /* sq_slice */

因為他們三個的函數實現大致相同, 所以我們只分析其中一個就可以了, 下面是對列表的切片函數分析:
/* 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長度, 那么重新賦值為a的長度
  ilow = Py_SIZE(a);
 if (ihigh < ilow)  
  ihigh = ilow;
 else if (ihigh > Py_SIZE(a))    // 如果ihigh大于a長度, 那么重新賦值為a的長度
  ihigh = Py_SIZE(a);
 len = ihigh - ilow;
 np = (PyListObject *) PyList_New(len); // 創建一個ihigh - ilow的新列表對象
 if (np == NULL)
  return NULL;
 
 src = a->ob_item + ilow;
 dest = np->ob_item;
 for (i = 0; i < len; i++) {    // 將a處于該范圍內的成員, 添加到新列表對象
  PyObject *v = src[i];
  Py_INCREF(v);
  dest[i] = v;
 }
 return (PyObject *)np;
}

結論

從上面的sq_slice函數對應的切片函數可以看到, 如果在使用切片時, 左右下標都大于sequence的長度時, 都將會被重新賦值成sequence的長度, 所以咱們一開始的切片: print a[10:20] , 實際上運行的是: print a4:4 . 通過這次的分析, 以后在遇到下標大于對象長度的切片, 應該不會再懵逼了~