Lua源码中字符串类型的实现
概述
Lua完全采用8位编码，Lua字符串中的字符可以具有任何数值编码，包括数值0。也就是说，可以将任意二进制数据存储到一个字符串中。Lua的字符串是不可变的值（immutablevalues）。如果修改，实质上是新建一个字符串。根据上文《Lua中数据类型的源码实现》中知道，在Lua中，字符串是自动内存管理机制所管理的对象，并且由联合体TString来实现存储字符串值的。下面将通过Lua5.2.1的源码来看字符串的实现以及总结了在Lua中使用字符串的注意事项。
源码实现
首先来看字符串对应的数据结构TString，其源码如下（lobject.h）：
410/*
411**Headerforstringvalue;stringbytesfollowtheendofthisstructure
412*/
413typedefunionTString{
414L_Umaxaligndummy;/*ensuresmaximumalignmentforstrings*/
415struct{
416CommonHeader;
417lu_byteextra;/*reservedwordsforshortstrings;"hashash"forlongs*/
418unsignedinthash;
419size_tlen;/*numberofcharactersinstring*/
420}tsv;
421}TString;
对这个联合体定义，有几点值得说明：
I、联合体TString中成员L_Umaxaligndummy是用来保证与最大长度的C类型进行对齐，其定义如下（llimits.h）：
48/*typetoensuremaximumalignment*/
49#if!defined(LUAI_USER_ALIGNMENT_T)
50#defineLUAI_USER_ALIGNMENT_Tunion{doubleu;void*s;longl;}
51#endif
52
53typedefLUAI_USER_ALIGNMENT_TL_Umaxalign;
在其他可会回收的对象（比如table）的实现中，也可看到这个联合体成员，这样做的目的是通过内存对齐，加快CPU访问内存的速度。
II、联合体中成员tsv才是真正用来实现字符串的。其中成员CommonHeader用于GC，它会以宏的形式在所有的可回收对象中定义，代码如下（lobject.h）：
74/* 75**CommonHeaderforallcollectableobjects(inmacroform,tobe 76**includedinotherobjects) 77*/ 78#defineCommonHeaderGCObject*next;lu_bytett;lu_bytemarked
这个宏对应的结构体形式如下（lobject.h）：
81/*
82**Commonheaderinstructform
83*/
84typedefstructGCheader{
85CommonHeader;
86}GCheader;
结构体GCheader在通用的可回收对象unionGCObject的定义中有用到。
III、lu_byteextra对于短字符串，用来记录这个字符串是否为保留字，对于长字符串，可以用于惰性求Hash值；unsignedinthash成员是字符串对应的Hash值（在后面会具体讲Lua是怎么计算字符串的Hash值的）；size_tlen用来表示字符串的长度。
IV、上面的结构体只是描述了一个字符串的结构，真正的字符串数据保存是紧随在结构体后面保存。
在Lua5.2.1之前，不区分字符串长和短的字符串，所有的字符串保存在一个全局的Hash表中，对于Lua虚拟机来说，相同的字符串只有一份数据，从Lua5.2.1开始，只是把短的字符串字符串（当前定义是长度小于等于40）放在全局Hash表中，而长字符串都是独立生成，同时在计算Hash值时，引入一个随机种子，这样做的目的防止HashDos——攻击者构造出非常多相同Hash值的不同字符串，从而降低Lua从外部压入字符串进入全局的字符串Hash表的效率。下面是Lua5.2.1中，生成一个新字符串的步骤，其相应的代码都在lstring.c中：
（1）若字符串长度大于LUAI_MAXSHORTLEN（默认值是40），则是长字符串，直接调用创建字符串接口的函数createstrobj（当然字符串的长度需要能保存在成员size_tlen中，否则直接返回），代码如下（lstring.c）：
95/*
96**createsanewstringobject
97*/
98staticTString*createstrobj(lua_State*L,constchar*str,size_tl,
99inttag,unsignedinth,GCObject**list){
100TString*ts;
101size_ttotalsize;/*totalsizeofTStringobject*/
102totalsize=sizeof(TString)+((l+1)*sizeof(char));
103ts=&luaC_newobj(L,tag,totalsize,list,0)->ts;
104ts->tsv.len=l;
105ts->tsv.hash=h;
106ts->tsv.extra=0;
107memcpy(ts+1,str,l*sizeof(char));
108((char*)(ts+1))[l]='\0';/*ending0*/
109returnts;
110}
可以看到把传入的字符串具体内存放在紧随结构体TString内存后面，并且注意108行，字符串以”\0”结束与C语言字符串兼容的。
（2）若字符串是短字符串，首先计算字符串的Hash值，找到对应的链表（短字符串的全局Hash表，使用的是链接法的方法，即把所有冲突的元素放在同一个链表中），查找当前要创建的字符串是否已经在Hash表中，若已经存在，则直接返回这个字符串。否则会调用函数newshrstr，而函数newshrstr会调用上面的createstrobj函数创建新字符串，并把新创建的字符串放到Hash表中，代码如下（lstring.c））：
130/*
131**checkswhethershortstringexistsandreusesitorcreatesanewone
132*/
133staticTString*internshrstr(lua_State*L,constchar*str,size_tl){
134GCObject*o;
135global_State*g=G(L);
136unsignedinth=luaS_hash(str,l,g->seed);
137for(o=g->strt.hash[lmod(h,g->strt.size)];
138o!=NULL;
139o=gch(o)->next){
140TString*ts=rawgco2ts(o);
141if(h==ts->tsv.hash&&
142ts->tsv.len==l&&
143(memcmp(str,getstr(ts),l*sizeof(char))==0)){
144if(isdead(G(L),o))/*stringisdead(butwasnotcollectedyet)?*/
145changewhite(o);/*resurrectit*/
146returnts;
147}
148}
149returnnewshrstr(L,str,l,h);/*notfound;createanewstring*/
150}
全局的字符串Hash表是保存在虚拟机全局状态成员strt中的（lstate.h）：
119stringtablestrt;/*hashtableforstrings*/
而类型stringtable是一个结构体，其定义如下（lstate.h）：
59typedefstructstringtable{
60GCObject**hash;
61lu_int32nuse;/*numberofelements*/
62intsize;
63}stringtable;
其中成员GCObject**hash是一个指针数组，数组中每个成员实质指向TString（注意TString中包括宏CommonHeader，该宏中的next成员可以构造出Hash表中开散的链表）；nuse是数组hash中已经被使用的元素个数；size是当前数组hash的大小。
在函数newshrstr插入新的字符串前，都会判断nuse值是否大于size，若大于，表明Hash表大小不够需要扩充，则把Hash表的大小扩充到原来的2倍，对应的代码如下（lstring.c）:
121if(tb->nuse>=cast(lu_int32,tb->size)&&tb->size<=MAX_INT/2) 122luaS_resize(L,tb->size*2);/*toocrowded*/
在gc的时候，会判断nuse是否比size/2还小（在Lua5.1中是把nuse与size/4比较），如果是的话就重新resize这个stringtable的大小为原来的一半。对应的代码如下（lgc.c）：
783inths=g->strt.size/2;/*halfthesizeofthestringtable*/ 784if(g->strt.nuse<cast(lu_int32,hs))/*usinglessthanthathalf?*/ 785luaS_resize(L,hs);/*halveitssize*/
对于字符串比较，首先比较类型，若是不同类型字符串，则肯定不相同，然后区分短字符串和长字符串，对于短字符串，若两者指针值相等，则相同，否则不相同；对应长字符串，则首先比较指针值，若不同，则比较长度值和内容逐字符比较。
总结
（1）Lua中的保留字和元方法名都是做为短字符串的，他们在虚拟机启动的时候就已经放入到全局短的字符串Hash表，并且是不回收的。
（2）查找字符是比较高效的，但是修改或插入字符串都是比较低效的，这里面除了计算外，至少要把外面的字符串拷贝到虚拟机中。
（3）对应长字符串的Hash值，Lua是不会考察每个字符的，因而能避免快速计算长字符串的散列值，其相应的代码如下（lstring.c）：
51unsignedintluaS_hash(constchar*str,size_tl,unsignedintseed){
52unsignedinth=seed^l;
53size_tl1;
54size_tstep=(l>>LUAI_HASHLIMIT)+1;
55for(l1=l;l1>=step;l1-=step)
56h=h^((h<<5)+(h>>2)+cast_byte(str[l1-1]));
57returnh;
58}
21/*
22**Luawilluseatmost~(2^LUAI_HASHLIMIT)bytesfromastringto
23**computeitshash
24*/
25#if!defined(LUAI_HASHLIMIT)
26#defineLUAI_HASHLIMIT5
27#endif
（4）当有多个字符串连接时，不应该直接用字符串连接运算符”..”，而是用table.concat操作或者是string.format来加快字符串连接的操作。
（5）Lua中字符串Hash算法用的是JSHash，关于字符串的各种Hash函数，网络有篇文章对它进行了总结：https://www.byvoid.com/blog/string-hash-compare
以上所述谁就是本文的全部内容了，希望能对大家学习lua有所帮助。