首页 > 代码库 > 什么是string interning(字符串驻留)以及python中字符串的intern机制

什么是string interning(字符串驻留)以及python中字符串的intern机制

Incomputer science, string interning is a method of storing only onecopy of each distinct string value, which must be immutable. Interning strings makes some stringprocessing tasks more time- or space-efficient at the cost of requiring moretime when the string is created or interned. The distinct values are stored ina string intern pool. --引自维基百科

也就是说,值相同的字符串对象只会保存一份,是共用的,这也决定了字符串必须是不可变对象。想一想,就跟数值类型一样,相同的数值只要保存一份就行了,没必要用不同对象来区分。


python中的字符串采用了intern机制,会自动intern

>>a = ‘kzc‘
>>b = ‘k‘+‘zc‘
>>id(a)
55704656
>>id(b)
55704656

可以看到,它们是同一个对象。


intern机制的好处是,需要值相同的字符串的时候(比如标识符),直接从池里拿来用,避免频繁的创建和销毁,提升效率,节约内存。缺点是,拼接字符串、对字符串修改之类的影响性能。因为是不可变的,所以对字符串修改不是inplace操作,要新建对象。这也是为什么拼接多字符串的时候不建议用+而用join()join()是先计算出所有字符串的长度,然后一一拷贝,只new一次对象。

需要小心的,并不是所有的字符串都会采用intern机制。只包含下划线、数字、字母的字符串才会被intern

>>a = ‘hello world‘
>>b = ‘hello world‘
>>id(a)
56400384
>>id(b)
56398336

这里因为有空格,所有没被intern。

但是为什么这么做呢?既然python内置函数intern()能显式对任意字符串进行intern。说明不是实现难度的问题。

答案在源码stringobject.h中的注释可以找到,

/* ... ... This is generally restricted tostrings that "looklike" Python identifiers, although the intern() builtincan be used to force interning of any string ... ... */

也就是说,只对那些看起来像是python标识符的进行intern。

 

下面看另外一个

例1.

>>‘kz‘+‘c‘ is ‘kzc‘
True

 

例2.
>>s1 = ‘kz‘
>>s2 = ‘kzc‘
>>s1+‘c‘ is ‘kzc‘
False

为什么第二个栗子是False,只包含字母啊,不是应该被自动intern的么?

这是因为第一个栗子中,‘kz‘+‘c‘是在compile time求值的,被替换成了‘kzc‘.

而第二个栗子,s1+‘c‘是在run-time拼接的,导致没有被自动intern.

 


什么是string interning(字符串驻留)以及python中字符串的intern机制