Question

我想知道str.lower（）是如何在Python中实现的，所以我克隆了cpython存储库并用grep进行了一些搜索。从unicode_lower Objects/unicodeobject.c开始几次跳转后，我在Objects/unicodetype.c内找到了这个：{/ p>

int _PyUnicode_ToLowerFull(Py_UCS4 ch, Py_UCS4 *res)
{
    const _PyUnicode_TypeRecord *ctype = gettyperecord(ch);

    if (ctype->flags & EXTENDED_CASE_MASK) {
        int index = ctype->lower & 0xFFFF;
        int n = ctype->lower >> 24;
        int i;
        for (i = 0; i < n; i++)
            res[i] = _PyUnicode_ExtendedCase[index + i];
        return n;
    }
    res[0] = ch + ctype->lower;
    return 1;
}

我熟悉C，但很不熟悉python的实现方式（但想要改变它！）。我真的不明白发生了什么，所以在这里寻求帮助以获得一些明确的解释。

Answer 1

您显示的功能中有两个分支。运行哪个分支取决于相关角色的flags字段的_PyUnicode_TypeRecord字段。如果设置了EXTENDED_CASE_MASK位，则运行更复杂的代码，否则使用更简单的版本。

让我们先看一下简单的部分：

res[0] = ch + ctype->lower;
return 1;

这只是将lower字段的值添加为输入代码点的偏移量，将其分配到res返回参数的第一位并返回1（因为它已被使用）一个字符）。

现在更复杂的版本：

int index = ctype->lower & 0xFFFF;
int n = ctype->lower >> 24;
int i;
for (i = 0; i < n; i++)
    res[i] = _PyUnicode_ExtendedCase[index + i];
return n;

在此版本中，lower字段被解释为两个不同的数字。最低16位是index，而最高位变为n（要输出的字符数）。然后，代码循环遍历n数组中_PyUnicode_ExtendedCase个字符，从index开始，将它们复制到res数组中。最后它返回使用的字符数。

需要这个更复杂的代码来处理代表两个字符连字的Unicode代码点的大小写更改（通常由于不明原因，例如因为它们在古代可移动类型打印中会出现在单个类型块上）。如果其他情况下的字符不重叠，则这些连字可能仅存在于单个案例中。例如，字符'ﬂ'是小写字符'f'和'l'的连字。没有大写版本的连字，因此'ﬂ'.upper()需要返回一个双字符串（'FL'）。

如何实现内置函数str.lower（）？

1 个答案: