Python当中字符串的intern机制

首先我们来了解下什么是string interning（字符串驻留）

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，值同样的字符串对象仅仅会保存一份，是共用的，这也决定了字符串必须是不可变对象。
其实我们想一想，就和数值类型一样，同样的数值仅仅要保存一份即可了，不是必须用不同对象来区分。

我们再来看看在Python当中的字符串intern机制

例如：

>>> a = 'opq'
>>> b = 'o' + 'pq'
>>> id(a)
66832910
>>> id(b)
66832910

能够看到它们实际上是同一个对象。

intern机制的优点是，在创建新的字符串对象时，会先在缓存池里面找是否有已经存在的值相同的对象（标识符，即只包含数字、字母、下划线的字符），如果有，则直接拿过来用（引用），避免频繁的创建和销毁内存，提升效率。
缺点是在拼接字符串时，或者在改动字符串时会极大的影响性能。原因是字符串在Python当中是不可变对象，所以对字符串的改动不是inplace（原地）操作，需要新开辟内存地址，新建对象。这也是为什么拼接字符串的时候不建议用‘+’而是用join()。join()是先计算出全部字符串的长度，然后再一一拷贝，仅仅创建一次对象。

>>> a = 'hello world'
>>> b = 'hello world'
>>> id(a)
66834385
>>> id(b)
66439216

这里由于字符串里面含有空格，导致不会触发intern机制。
可是为什么会这么做呢？既然Python的内置函数intern()能显式的对随意字符串进行intern，说明不是实现难度的问题。
答案在源代码StringObject.h中的注释能够找到：

/* … … 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intern机制仅仅对那些看起来像是Python标识符的字符串对象才会触发。

下面我们还得注意另外一个坑：

>>> 'op' + 'q' is 'opq'
>>> True  

>>> c = 'op'
>>> d = 'opq'
>>> c + 'q' is 'opq'
>>> False

为什么会出现这种情况？
不都只是包含字母吗，应该被主动intern的啊？
这是由于在第一个例子中，‘op’ + ‘q’是在compile-time（编译时）求值的，被替换成了’opq’，而在第二个例子中，c + ‘q’是在run-time（运行时）拼接的，导致没有被主动intern。

总结

1. 单词，即Python标识符，不可修改，默认开启intern机制，共用对象，引用计数为0时自动被回收。
2. 字符串（包含了除Python标识符以外的字符），不可修改，默认没有开启intern机制，引用计数为0时自动被回收。
3. 特殊情况下（上述最后一个例子），不会被主动intern。