內置函數str.lower（）如何實現？

Question

我想知道str.lower（）是如何在Python中實現的，所以我克隆了cpython存儲庫並使用grep進行了一些搜索。 從一開始幾跳后unicode_lower在Objects/unicodeobject.c ，我碰到這里面Objects/unicodetype.c ：

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;
}

我對C很熟悉，但是對python的實現方式並不熟悉（但想改變它！）。 我不太了解發生了什么，因此請在這里尋求幫助以獲取明確的解釋。

Answer 1

您顯示的功能中有兩個分支。 運行哪個分支取決於所討論字符的_PyUnicode_TypeRecord字段的flags字段。 如果設置了EXTENDED_CASE_MASK位，則會運行更復雜的代碼，否則將使用更簡單的版本。

首先讓我們看一下簡單的部分：

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

這只是將lower字段的值作為偏移量添加到輸入代碼點，將其分配到res return參數的第一位並返回1 （因為使用了一個字符）。

現在，對於更復雜的版本：

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字段被解釋為兩個不同的數字。 最低的16位是index ，而最高的位變為n （要輸出的字符數）。 然后，代碼循環遍歷_PyUnicode_ExtendedCase數組中從index開始的n字符，並將它們復制到res數組中。 最后，它返回使用的字符數。

需要這種更復雜的代碼來處理代表兩個字符的連字的Unicode代碼點的大小寫更改（通常是出於模糊的歷史原因，例如，因為它們在古老的可移動字體打印中位於單個字體塊上）。 如果其他情況下的字符重疊不大，則這些連字可能僅在一種情況下存在。 例如，字符'fl'是小寫字符'f'和'l'的連字。 沒有連字的大寫版本，因此'fl'.upper()需要返回兩個字符的字符串（ 'FL' ）。