Python 小坑之字符串駐留

本文整理了許多字符串駐留的坑，部分整合自wtfpython英文版，并增加了大量的后續(xù)說明。

1. # example1:

2. >>> a ="wtf"

3. >>> b ="wtf"

4. >>> a is b

5. True

7. # example2:

8. >>> a ="wtf!"

9. >>> b ="wtf!"

10. >>> a is b

11. False

13. # example3:

14. >>> a, b ="wtf!","wtf!"

15. >>> a is b

16. True# 3.7 版本返回結果為 False.

1. # example4:

2. >>>'a'*20is'aaaaaaaaaaaaaaaaaaaa'

3. True

4. >>>'a'*21is'aaaaaaaaaaaaaaaaaaaaa'

5. False# 3.7 版本返回結果為 True

字符串的這些問題，像是在和你說 1 != 1 一樣坑爹。

究其原因，其實是CPython在編譯的時候會自動進行優(yōu)化，在某些情況下它會嘗試使用已經(jīng)存在的不可變對象，而不是創(chuàng)建一個新的對象，而恰好，字符串就是不可變對象。這種使用已存在的不可變對象的行為被稱為“駐留 ” 。

駐留的原本設計意圖是用于節(jié)省內(nèi)存的，但是確實有時候會坑到程序員。怎樣判斷自己的字符串會否被駐留呢？請看這份代碼：
https://github.com/python/cpython/blob/3.6/Objects/codeobject.c#L19

簡單地來講：

1.所有長度為0和1的字符串都會被駐留

2.字符串在編譯時被實現(xiàn)的會被駐留（如'wtf'會被駐留，但是 ''.join(['w', 't', 'f']) 不會）

3.字符串中只包含ASCII下的字母、數(shù)字和下劃線時會被駐留. 所以'wtf!'由于包含!不會被駐留。

我們的example1中，由于發(fā)生了駐留，所以a和b是同一個字符串對象。而example2中，由于沒有發(fā)生字符串駐留，a="wtf!"和b="wtf!"實際上使用的不是同一個字符串對象，你可以使用id獲得對象的唯一標志，你會發(fā)現(xiàn)它們的不同：

a和b都為wtf!時：

1. >>> a ="wtf!"

2. >>> b ="wtf!"

3. >>> a is b

4. False

5. >>> a == b

6. True

7. >>> id(a)

8. 2272774097864

9. >>> id(b)

10. 2272774097024

再來看看沒有發(fā)生駐留時的情況，a和b都為wtf時：

1. # a和b都為wtf

2. >>> a ="wtf"

3. >>> b ="wtf"

4. >>> a is b

5. True

6. >>> a == b

7. True

8. >>> id(a)

9. 2272774096744

10. >>> id(b)

11. 2272774096744

明白了吧？如果你想從結果識別對象是否發(fā)生駐留，關鍵就看對象的唯一標志有沒有被改變。

不過，如example3所示，當你在同一行中將a和b都設置為 wtf! 的時候，Python解釋器會創(chuàng)建一個新的對象，然后同時引用第二個變量，這時候它兩的唯一標志id就是一樣的。（example3僅適用于python3.7以下，后面被改了）。

example4中，發(fā)生了常量折疊，這其實也是一種優(yōu)化技術。編譯時表達式 'a'*20 會被替換成 'aaaaaaaaaaaaaaaaaaaa' （不要數(shù)了，20個），不過只有長度小于20的字符串才會發(fā)生常量替換，這就是為什么 'a'*21并不等于 'aaaaaaaaaaaaaaaaaaaaa' （不要數(shù)了，21個） 。

好，感謝大家的閱讀，今天的.....等等，你以為這就結束了嗎？還有呢：

1. >>> a =10

2. >>> b =10

3. >>> a is b

4. True

5. >>> a =256

6. >>> b =256

7. >>> a is b

8. True

9. >>> a =257

10. >>> b =257

11. >>> a is b

12. False

這又是為啥啊？

請注意，Python中，對于整數(shù)對象，如果其值處于[-5,256]的閉區(qū)間內(nèi)，則值相同的對象是同一個對象，否則為不同對象。我知道你想問，別問，問就是源碼本身就這么寫的。

（其實主要還是從性能方面考慮，-5到256這段數(shù)值被經(jīng)常使用，因此干脆設為同一個對象重復使用，避免分配空間—賦予類別—賦予初始值等一系列操作）。