18

Python 文字列でstring.split()を使用すると、文字列のリストが返されます。分割されたこれらの部分文字列は、親文字列の一部のコピーです。

代わりに、分割されたビットへの参照、オフセット、および長さのみを保持する安価なスライス オブジェクトを取得することは可能ですか?

そして、バイトのコピーを作成せずに、これらの部分文字列を文字列であるかのように抽出して処理する「文字列ビュー」を持つことは可能ですか?

(スライスしたい非常に大きな文字列があり、時々メモリが不足しているのでお願いします。コピーを削除すると、安価なプロファイルガイドの勝利になります。)

4

3 に答える 3

22

buffer文字列の読み取り専用ビューを提供します。

>>> s = 'abcdefghijklmnopqrstuvwxyz'
>>> b = buffer(s, 2, 10)
>>> b
<read-only buffer for 0x7f935ee75d70, size 10, offset 2 at 0x7f935ee5a8f0>
>>> b[:]
'cdefghijkl'
于 2012-04-10T08:46:54.850 に答える
6

Python では、文字列オブジェクトは常に NUL で終わるバッファを指すため、部分文字列をコピーする必要があります。Ignacio が指摘したようbuffer()に、文字列メモリの読み取り専用ビューを取得するために使用できます。ただし、組み込み関数は、Python 2.7 および 3.x で使用可能な、buffer()より用途の広いオブジェクトに取って代わられました( Python 3.x では廃止されました)。memoryviewbuffer()

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

このコードは印刷します

cdabcdabcd

を呼び出すとすぐに、文字列のコピーが作成されますが、Ignacio の回答のようにtobytes()古いオブジェクトをスライスするときにも同じことが起こります。buffer

于 2012-04-10T21:55:56.230 に答える
1

これが、私が思いついた簡単な文字列のようなバッファ ラッパーです。文字列を消費すると予想されるコードを変更することなく、従来の文字列の代わりにこれを使用することができました。

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")
于 2012-04-10T12:03:02.947 に答える