Python如何确定两个字符串是否相同

Question

我试图了解Python字符串何时相同（也就是共享相同的内存位置）。但是，在我的测试中，当两个相等的字符串变量共享相同的内存时，似乎没有明显的解释：

import sys
print(sys.version) # 3.4.3

# Example 1
s1 = "Hello"
s2 = "Hello"
print(id(s1) == id(s2)) # True

# Example 2
s1 = "Hello" * 3
s2 = "Hello" * 3
print(id(s1) == id(s2)) # True

# Example 3
i = 3
s1 = "Hello" * i
s2 = "Hello" * i
print(id(s1) == id(s2)) # False

# Example 4
s1 = "HelloHelloHelloHelloHello"
s2 = "HelloHelloHelloHelloHello"
print(id(s1) == id(s2)) # True

# Example 5
s1 = "Hello" * 5
s2 = "Hello" * 5
print(id(s1) == id(s2)) # False

字符串是不可变的，据我所知，Python试图通过使其他变量指向它们来重用现有的不可变对象，而不是在内存中创建具有相同值的新对象。

考虑到这一点，似乎很明显Example 1return True。
（对我而言）Example 2返回仍然是显而易见的True。

对我来说，Example 3返回并不明显False-我不是在做与Example 2？！中相同的事情吗？

我偶然发现了这样一个问题：
为什么在Python中使用’==’或’is’比较字符串有时会产生不同的结果？

并通读http://guilload.com/python-string-interning/（尽管我可能不太了解），然后再读-好的，也许“
interned”字符串取决于长度，所以我HelloHelloHelloHelloHello在中使用了Example 4。结果是True。

而令我困惑的是，这样做Example 2与使用更大的数字相同（但实际上会返回与相同的字符串Example 4），但是这次的结果是False？！

我真的不知道Python如何决定是否使用相同的内存对象，或何时创建新的内存对象。

是否有任何官方资料可以解释这种现象？

Answer 1

从您发布的链接：

避免大型.pyc文件

那么为什么不'a' * 21 is 'aaaaaaaaaaaaaaaaaaaaa'评价True呢？您还记得所有软件包中遇到的.pyc文件吗？好吧，Python字节码存储在这些文件中。如果有人写了这样的话会怎样['foo!'] * 10**9？生成的 .pyc 文件将很大！为了避免这种现象，如果通过窥孔优化生成的序列长度大于20，则将其丢弃。

如果您有字符串"HelloHelloHelloHelloHello"，Python将必须按原样存储它（要求解释器检测字符串中的重复模式以节省空间可能太多了）。但是，当涉及到可以在解析时计算的字符串值时，例如"Hello" * 5，Python将这些值作为所谓的“窥孔优化”的一部分进行评估，后者可以决定是否值得对字符串进行预计算。由于len("Hello" * 5) > 20，解释程序将其保留原样，以避免存储太多长字符串。

编辑：

如该问题所示，您可以在peephole.c函数的源代码中对此进行检查fold_binops_on_constants，最后将看到：

// ...
} else if (size > 20) {
    Py_DECREF(newconst);
    return -1;
}

编辑2：

实际上
，该优化代码最近已移至适用于Python
3.7的AST优化器中，因此，您现在必须调查一下ast_opt.cfunction函数fold_binop，该函数现在调用now函数safe_multiply，该函数检查字符串是否不超过MAX_STR_SIZE，新定义为4096。因此，似乎对于下一个版本的限制已大大提高。