深入下Ruby中的String

Ruby语言中的String是mutable的，不像java、C#中的String是immutable的。比如
       str1="abc"
       str2="abc"
在java中，对于字面量的字符串，jvm内部维持一张表，因此如果在java中，str1和str2是同一个String对象。而在Ruby中，str1和str2是完全不同的对象。同样，在java中对于String对象的操作都将产生一个新的对象，而Ruby则是操纵同一个对象，比如:
       str="abc"
       str.concat("cdf")
此时str就是"abccdf"。Ruby对String是怎么处理的呢？我们只谈谈c ruby中的实现，有兴趣的先看看这篇文章《 管窥Ruby——对象基础》。在ruby.h中我们可以看到String对象的结构，Ruby中的对象（包括类也是对象）都是一个一个的struct，String也不能例外：
struct RString {
    struct RBasic basic;
    long len;
    char *ptr;
    union {
      long capa;
      VALUE shared;
    } aux;
};
//ruby.h

    显然，len是String的长度；ptr是一个char类型的指针，指向实际的字符串；然后是一个联合，这个稍后再说。如果你看看ruby.h可以发现，几乎所有定义的对象结构都有一个struct RBasic。显然,struct RBasic包含由所有对象结构体共享的一些重要信息的。看看RBasic:

struct RBasic {
 unsigned long flags;
 VALUE klass;
};
其中的flags是一个多用途的标记，大多数情况下用于记录结构体的类型，ruby.h中预定义了一些列的宏，比如T_STRING（表示struct RString)，T_ARRAY(表示struct RArray）等。Klass是一个VALUE类型，VALUE也是unsigned long，可以地将它当成指针（一个指针4字节，绰绰有余了）,它指向的是一个Ruby对象，这里以后再深入。
    那么联合aux中的capa和shared是干什么用的呢？因为Ruby的String是可变的，可变意味着len可以改变，我们需要每次都根据len的变换来增减内存（使用c中的realloc()函数），这显然是一个很大的开销，解决办法就是预留一定的空间，ptr指向的内存大小略大于len，这样就不需要频繁调用realloc了，aux.capa就是一个长度，包含额外的内存大小。那么aux.shared是干什么的呢？这是一个VALUE类型，说明它是指向某个对象。aux.shared其实是用于加快字符串的创建速度，在一个循环中：

while true do  # 无限重复

a = "str"        # 以“str”为内容创建字符串，赋值给a

a.concat("ing")  # 为a所指向的对象添加“ing”

p(a)             # 显示“string”

end

每次都重新创建一个"str"对象，内部就是重复创建一个char[],这是相当奢侈，aux.shared就是用于共享char[],

以字面量创建的字符串会共享一个char[],当要发生变化时，将字符串复制到一个非共享的内存中，变化针对这

个新拷贝进行，这就是所谓的“copy-on-write"技术。解释了String的内部构造，貌似还没有介绍String是怎么

实现mutable，我们写一个Ruby扩展测试下，我们想写这样一个Ruby类：

class Test

def test

str="str"

str.concat("ing")

end

end

对应的c语言代码就是：

rb_define_class函数定义了一个类Test,rb_define_method将t_test方法以test的名称添加到Test类。在
t_test中，通过rb_str_new2每次生成一个RString结构，然后通过rb_str_cat2将str与"ing"连接起来，添加
了一些打印用于跟踪。利用mkmf产生Makefile,写一个extconf.rb
require 'mkmf'
create_makefile("string_hack");
执行ruby extconf.rb，将产生一个Makefile,执行make，生成一个string_hack.so的链接库。扩展写完了，通过
ruby调用：
require 'string_hack"
t=Test.new
(1..3).each{|i| t.test}
输出：
before concat: str:0x40098a40, str.aux.shared:0x3, str.ptr:str
after concat: str:0x40098a40, str.aux.shared:0x8, str.ptr:string
before concat: str:0x40098a2c, str.aux.shared:0x3, str.ptr:str
after concat: str:0x40098a2c, str.aux.shared:0x8, str.ptr:string
before concat: str:0x40098a18, str.aux.shared:0x3, str.ptr:str
after concat: str:0x40098a18, str.aux.shared:0x8, str.ptr:string
从结果可以看出，在str concat之前之后，str指向的位置没有改变，改变的仅仅是str中ptr指向的字符串的值
，看看rb_str_cat2函数的实现就一目了然了：
VALUE rb_str_cat(str, ptr, len)
    VALUE str;
    const char *ptr;
    long len;
{
    if (len < 0) {
        rb_raise(rb_eArgError, "negative string size (or size too big)");
    }
    if (FL_TEST(str, STR_ASSOC)) {
        rb_str_modify(str);
        REALLOC_N(RSTRING(str)->ptr, char, RSTRING(str)->len+len);
        memcpy(RSTRING(str)->ptr + RSTRING(str)->len, ptr, len);
        RSTRING(str)->len += len;
        RSTRING(str)->ptr[RSTRING(str)->len] = '"0'; /* sentinel */
        return str;
    }
    return rb_str_buf_cat(str, ptr, len);
}
VALUE rb_str_cat2(str, ptr)
    VALUE str;
    const char *ptr;
{
    return rb_str_cat(str, ptr, strlen(ptr));
}
//string.c

文章转自庄周梦蝶  ，原文发布时间2007-09-12