求道生而为龙

近期使用这三个工具构建一个gui程序，遇到了若干问题。之所以称之白痴问题，是因为你知道这个问题的答案时一定会觉得这个问题问的好白痴

1.用glade3生成xml文件，然后在python中载入。运行之后没有窗口出现，按ctrl-c结束，停在gtk.main()那里。这是个什么问题呢？百思不得其解。。。直到我看到了这篇文章：http://tristram.squarespace.com/home/2008/5/26/glade-3-pygtk-and-beginning-python.html
原来是mainwindow的公共（common）选项卡下的可见（Visible）属性默认居然是否！！！这个问题真是太白痴了。。。

2.由于有个算法要一直运行，需要多线程，使用后发现一个问题。我点运行了，它不动，我点退出了，算法开始运行了。我晕死。期间使用了无数的测试方法，均没有发现问题所在。吴锡同学到最后说了一句，大概这个也是个初级问题。然后我google一下，发现了这篇文章：http://hi.baidu.com/jzinfo/blog/item/3f7dcc1b149088fbae51337e.html
原来需要在gtk.main()之前调用gtk.gdk.threads_init()这个函数否则gtk独占python解释器！！！果然还是个白痴问题。。。

做了手机天气预报和rss generator，有必要把处理字符串信息过程中遇到的问题总结一下了。

在做这两个东西的时候对python有了一些初步的理解，python用起来真的很舒服。数据结构，函数方法等都能够让你写出简短易读的代码。做天气预报的时候出现的问题比较简单，因为信息处理都是自己做的，只有发送的时候使用飞信库，所有抓取的信息甚至都不用解码，在程序里处理后直接发送出去就行，需要注意的就只有程序里写的字符要使用unicode，发送前进行编码就行了。做RSS生成的时候使用了PyRSS2Gen库，最后写入文件是使用此类库的函数进行的，在认知上出了点偏差，发生了不少的错误，饱受折磨好几天。

简而言之，把握住以下几点，在python中进行信息处理的时候应该不会再遇到这么多的信息编码问题。
1.在取得信息的时候（从文件，网络中）尽快进行解码，在程序中使用被解码的信息进行处理，在信息被写出去的时候（写到文件，网络等）再进行编码。
2.关于编码和解码，概念一度被我理解的比较混乱。首先是这个：

>>> “a”.decode(‘ascii’)
u’a’
>>> u’a’.encode(‘ascii’)
‘a’

这个到底怎么理解呢？我一直认为unicode和ascii是一个类别的，类似raw data的那一种，现在发现不对。因为unicode只是规定了字符集，但是没有规定存储方式，所以只有unicode是类似于raw数据的，它离开存储方式无法生存，而ascii则字符集和存储方式都有，所以说unicode可以作为一种内部数据处理方式，但是不能用来存储。所以，u’a'是unicode字符串，它被ascii进行编码之后出现ascii编码下的a，而’a'也可以被解码为unicode的字符串u’a'。于是在处理数据的时候，其实ascii是应该和utf-8，gb2312这种编码处于一个类别里。由于历史原因，ascii不管在什么地方都会获得良好的支持，所以ascii的信息不经过任何编码解码处理都不会有什么问题，而网络上编码千变万化，比如在中文互联网中gb2312和utf-8就经常相互打架。总结一下，编码和解码的过程应该这样处理，如果是ascii编码，完全不用理会编码解码的问题，而如果是utf-8或者gb2312这种，在取到的时候应当对其进行解码，这样数据就变成了unicode字符串，它适合在程序内部进行处理，在需要对其进行输出的时候，把它进行编码，需要utf-8的就编码为utf-8，需要gb2312的就编码为gb2312。

在rss生成的时候遇到的UnicodeDecodeError的问题，最后确认是因为对某些数据提前进行了encode操作，而写操作的时候依然需要进行encode操作。在python中，已编码的字符串也有encode方法，其操作是按照默认的ascii编码进行解码操作，然后再进行encode[2]。已编码为utf-8的字符是无法被ascii编码进行解码操作的，于是这个过程中就是把编码过的数据当作未编码的数据，试图对其进行解码导致了错误。参考如下，取自第二篇：

Why do Python byte strings have an encode() method?

The sharp-eyed amongst you will have noticed that byte strings have an encode() method as well as a decode() method. What does this do? Quite simply, it does a decode-then-encode. The byte string is decoded to Unicode using the default (ascii) encoding, and is then encoded to the target encoding specified in the call to encode() using the appropriate encoding. As you’d expect, fun and games ensue if the original byte string isn’t actually encoded in ASCII at all.

最终总结：对于python2.5而言,字符类型就两种，str和unicode[3]，下图中左边是str，右边是unicode。
ascii—————–decode(‘ascii’)——-┐
utf-8—————–decode(‘utf-8′)——–┼—unicode
gb2312————decode(‘gb2312′)—┘

反之为encode操作。

参考：
1.python核心编程第二版
2.Python, Unicode and UnicodeDecodeError，地址在这里（英文，讲的很好）
3.Re: u’吴’和’吴’有什么区别？ ，地址在这里

最近用python重写了天气预报，对python的变量名有了一些认识。

python的变量名和以前接触过的c/c++等完全不一样。c/c++的变量名的思想应该是这样，分配之后变量名就永远的关联到了编译器分配到的内存，任何对此变量名进行的操作都最终落实在对这段内存的操作上。

python中的变量名更像lisp的感觉，内存和变量名的关系并不是永远“绑定”的，这个变量名更像是一个指针，它指向了那个“变量”。

拿最简单的a=1来做例子。在c/c++中，=的意义是赋值，它对应的操作是把1赋值到a所指向的内存中。1这个表示在c/c++中是一个int型整数，存到a对应内存的是int型的整数1。为什么不同类型的赋值会出错？因为那个变量所指向的是一段可存储被赋值类型的内存空间，无法保证这个不同的类型在那段内存不出现问题。（由此引出的类型转换暂不考虑）如果再用b=a，则是将a的内容复制到b中去。在python中，=的意义虽然也是赋值，但是它做的完全不是这样的操作。根据python的声明，一切都是对象（变量名是不是还没有体会到），那么这个1也是对象，a=1就是将a指向1这个对象，而再用b=a则是将b指向a所指向的内容。那既然a和b都指向同一个地方，为什么修改了a之后b不变呢？举例，执行a=2，再看b的话你会发现还是1。其实这个还是惯性思维的原因。a=2实际上执行的操作是将a指向2这个对象，而不是将a所指向的内存改为2，所以a指向了2，而b还是指向1。可以体现这一点的比较容易的方法是用字符串。如果你用下标改了字符串的内容，两个“变量”都会变。

所以在python中，变量名不如叫名字（name）更为贴切，而在这种机制下，名字空间就显得尤为重要。

注：此文没有经过c/c++编译器及python解释器的证明，如有错误请指出，多谢

哈希算法，用一个算式result=hash(key)就可以大致确定所需数据的位置，大大简化了数据查找的复杂度。此算法的关键在于建立一种两类数据间的映射，就是那个hash函数的选定。另外有个很重要的问题就是hash冲突，就是不同的key得到了同样的result。常用冲突解决法有拉链法（我认为叫做链表法更容易理解）和平面地址法两种，后面有描述。

c语言宏处理器（出自C程序设计语言）

“这段代码很典型，可以在宏处理器或编译器的符号表管理例程中找到。”

例如考虑define语句。

#define IN 1

需要把名字IN和替换文本1存入到某个表中，此后当名字IN出现在某些语句中时，就必须用1来替换IN。

以下两个函数用来处理名字和替换文本。install(s, t)函数将名字s和替换文本t记录到某个表中，其中s和他仅仅是字符串。lookup(s)函数在表中查找s，若找到，则返回指向该处的指针；若没找到，返回NULL。

该算法采用的是散列查找方法，将输入的名字转换为一个小的非负整数，该整数随后将作为一个指针数组的下标。数组的每个元素指向某个链表的表头，链表中的各个块用于描述具有该散列值的名字。如果没有名字散列到该值，则数组元素值为NULL。

链表块结构：

struct nlist {                /*链表项*/

struct nlist *next;    /*链表中下一表项*/

char *name;            /*定义的名字*/

char *defn;            /*替换文本*/

}

指针数组：

#define HASHSIZE 101

static struct nlist *hashtab[HASHSIZE];    /*指针表*/

散列函数hash，通过for循环将上次计算的结果值变换（乘以31）得到的值加上当前字符值（*s + 31 * hashval），然后对数组长度取模。这并不是最好的散列函数，但比较简短有效。

unsigned hash(char *s)

{

unsigned hashval;

for (hashval = 0; *s  != ”; s++)

hashval = *s + 31 * hashval;

return hashval % HASHSIZE;

}

strdup函数将通过参数传入的字符串复制到某个安全的位置

char *strdup(char *s)

{

char *p;

p = (char *) malloc(strlen(s) + 1);

if (p != NULL)

strcpy(p, s);

return p;

}

lookup函数发现表项存在，则返回指向该表项的指针，否则返回NULL。散列过程生成了在数组hashtab中执行查找的起始下标，若该字符串可以找到，则它一定位于该起始下标指向的链表的某个块中。

struct nlist *lookup(char *s)

{

struct nlist *np;

for (np = hashtab[hash(s)]; np != NULL; np = np-> next)

if (strcmp(s, np->name == 0))

return np;    /*found*/

return NULL;        /*not found*/

}

install函数借助lookup判断待加入的名字是否已经存在。若存在则用新的定义取而代之；否则创建新表项。若无足够空间创建新表项，则install函数返回NULL

struct nlist *lookup(char *);

char *strdup(char *);

struct nlist *install(char *name, char *defn)

{

struct nlist *np;

unsigned hashval;

if ((np = lookup(name)) == NULL){    /*not found*/

np = (struct nlist *) malloc(sizeof(*np));

if (np == NULL || (np->name = strdup(name)) == NULL)

return NULL;

hashval = hash（name）;

np->next = hashtab[hashval];

hashtab[hashval] = np;

} else                                 /*already exist*/

free((void *) np->defn);    /*free previous defn*/

if ((np->defn = strdup(defn)) == NULL)

return NULL;

return np;

}

三点疑问：

1.hash函数如何选的？

2.hashsize如何选定？

3.作为宏处理器，又用了宏定义？

Python字典类（代码之美 第18章）

为小哈希表而做的特别优化