浅析Python中字符串的intern机制

脚本专栏 2024/11/8 佚名

3 2 1

intern机制：

　　字符串类型作为Python中最常用的数据类型之一，Python解释器为了提高字符串使用的效率和使用性能，做了很多优化，例如：Python解释器中使用了 intern（字符串驻留）的技术来提高字符串效率，什么是intern机制？即值同样的字符串对象仅仅会保存一份，放在一个字符串储蓄池中，是共用的，当然，肯定不能改变，这也决定了字符串必须是不可变对象。

简单原理：

　　实现 Intern 机制的方式非常简单，就是通过维护一个字符串储蓄池，这个池子是一个字典结构，如果字符串已经存在于池子中就不再去创建新的字符串，直接返回之前创建好的字符串对象，如果之前还没有加入到该池子中，则先构造一个字符串对象，并把这个对象加入到池子中去，方便下一次获取。

但是，解释器内部对intern 机制的使用策略是有考究的，有些场景会自动使用intern ，有些地方需要通过手动方式才能启动，看下面几个常见的小陷阱。

1.在shell中示例，并非全部的字符串都会采用intern机制。仅仅包括下划线、数字、字母的字符串才会被intern，当然不能超过20个字符。因为如果超过20个字符的话，解释器认为这个字符串不常用，不用放入字符串池中。

> s1="hello"
> s2="hello"
> s1 is s2
True# 如果有空格，默认不启用intern机制
> s1="hell o"
> s2="hell o"
> s1 is s2
False# 如果一个字符串长度超过20个字符，不启动intern机制
> s1 = "a" * 20
> s2 = "a" * 20
> s1 is s2
True
> s1 = "a" * 21
> s2 = "a" * 21
> s1 is s2
False
> s1 = "ab" * 10
> s2 = "ab" * 10
> s1 is s2
True
> s1 = "ab" * 11
> s2 = "ab" * 11
> s1 is s2
False

2.但是在PyCharm中，只要是同一个字符串不超过20个字符，都为True，并不用是下划线、数字、字母的字符串。个人理解：IDE支持的不好。

s1 = "hell o"
s2 = "hell o"
print(s1 is s2) # True
s1 = "hell!*o"
s2 = "hell!*o"
print(s1 is s2) # True
s1 = "a" * 20
s2 = "a" * 20
print(s1 is s2) # True
s1 = "a" * 21
s2 = "a" * 21
print(s1 is s2) # False
s1 = "ab" * 10
s2 = "ab" * 10
print(s1 is s2) # True
s1 = "ab" * 11
s2 = "ab" * 11
print(s1 is s2) # False

3.字符串拼接时，涉及编译运行问题

> s1 = "hell"
> s2 = "hello"
> s1 + "o" is s2
False
> "hell" + "o" is s2
True
>
# 说明shell和IDE在这方面没有差异
s1 = "hell"
s2 = "hello"
print(s1 + "o" is s2) # False
print("hell" + "o" is s2) # True#因为"hell" + "o"在编译时已经变成了"hello"，而s1+"o"因为s1是一个变量，他们会在运行时进行拼接，所以没有被intern