Python中的字符串驻留

C#中的字符串驻留

熟悉.NET的人都应该知道C#中的字符串驻留机制，.NET维护了一个驻留池，它会把在编译期间就相同的字符串只保留一份拷贝。如果仅在运行期间值才相同的字符串变量，.NET不会为这个2个相同的字符串变量指向同一份引用的。不过.NET提供了一个方法，让开发人员可以强制将两个相同的字符串指向同一个引用，使用String类中的Intern方法。

string s1 = "!QAZ2wsx3$%5$$%fe _ ###4@";
string s2 = "!QAZ2wsx3$%5$$%fe _ ###4@";
Console.WriteLine("s1，s2是否引用同一对象：" + object.ReferenceEquals(s1, s2));
string s3 = "bbbbb";
string s4 = string.Concat("bbb", "bbb");
Console.WriteLine("s3，s4是否引用同一对象：" + object.ReferenceEquals(s3, s4));
Console.WriteLine("调用Intern后..." );
s3 = String.Intern(s4);
Console.WriteLine("s3，s4是否引用同一对象：" + object.ReferenceEquals(s3, s4));

如下演示代码：

这样设计的合理性是因为string类型在C#中是属于immutable的，即对string的修改，并不是在原来的内存块上修改，而是重新开辟一块新的空间，创建新的对象。

Python的String同样也有驻留

Python中，同样为immutable的String类型，也采用了这种字符串驻留机制。但Python中稍微有点小规则。

1，长度为0和1的字符串，默认都采用了驻留机制。

>>> a=''

>>> b=''

>>> a is b

True

>>> a='a'

>>> b='b'

>>> a is b

False

>>> a='!'

>>> b='!'

>>> a is b

2.编译期间就确定了的字符串，也采用驻留机制，但是，仅限于以下这些字符:

"0123456789ABCDEFGHIJKLMNOPQRSTUVWXYZ_abcdefghijklmnopqrstuvwxyz"

先解释一下什么叫做编译期间，Python是解释型语言，但是事实上，它的解释器也可以是理解为是一种编译器，它负责将Python代码翻译成字节码，也就是.pyc文件，之后再由Python虚拟机运行。这一点，和.Net的Framework、Java虚拟机很类似。(更多相关内容可以参考《Learning Python》)，因此有些代码会在翻译成字节码的时候，就自动的帮程序员预先计算了。

我们可以通过dis方法（分解Python中的字节码 ）来验证，可以通过python -m dis xxx.py这样的命令来查看

举例：如下的一个Python文件test.py

a='abcdef'

b='abc'+'def'

c=''.join(['abc','def'])

print (a,b,c)

print ('a and b are same?',a is b)

print ('a and c are same?',a is c)

运行：

可以看到，变量a和b是同一个引用，但是a和c就不是了。再看其字节码，可以看出，a和b在赋值的时候，就是相同的字符串，但是c就不同了，它是几个字符串的拼装，它是在运行期间才知道结果。

注意，必须是字符串必须是在"0123456789ABCDEFGHIJKLMNOPQRSTUVWXYZ_abcdefghijklmnopqrstuvwxyz"中，不然就不支持字符串驻留。

比如：

>>> a='abcdef!'

>>> b='abcdef!'

>>> a is b

False

3.通过乘法运算符得到的字符串，长度必须小于20。不然也无驻留机制

>>> a='abc'*6                  #长度18

>>> b='abc'*6                  #长度18

>>> a,b

('abcabcabcabcabcabc', 'abcabcabcabcabcabc')

>>> a is b

True

>>> a='abc'*7 #长度21

>>> b='abc'*7 #长度21

>>> a is b

False

这样的设计目的是为了保护.pcy文件不会被错误代码搞的过大，例如有人写了‘abc’*10**10这种代码。上述代码也可以通过dis方式看到不同处。

4.和C#的字符串一样，Pyhton也提供intern方法强制2个字符串指向同一个对象，如下代码：

>>> import sys

>>> a='abcdef!'

>>> b='abcdef!'

>>> a is b

False

>>> a=sys.intern(b)

>>> a is b

True

5.实际上，对于整数数字，Python也会有驻留机制，但是只限于[-5,256]之间的数字。

参考文档

http://guilload.com/python-string-interning/

http://www.laurentluce.com/posts/python-string-objects-implementation/