为什么 Python 中的空字符串有时会占用 49 个字节，有时会占用 51 个字节？答案

【问题标题】：Why does an empty string in Python sometimes take up 49 bytes and sometimes 51?为什么 Python 中的空字符串有时会占用 49 个字节，有时会占用 51 个字节？
【发布时间】：2018-12-22 23:01:23
【问题描述】：

我在三个环境中测试了sys.getsize('') 和sys.getsize(' ')，其中两个sys.getsize('') 给了我51 个字节（比第二个多一个字节）而不是49 个字节：

截图：

Win8 + Spyder + CPython 3.6：

Win8 + Spyder + IPython 3.6：

Win10（VPN 远程）+ PyCharm + CPython 3.7：

第一次编辑

我在 Python.exe 中进行了第二次测试，而不是 Spyder 和 PyCharm（这两个仍然显示 51），一切似乎都很好。显然我没有解决这个问题的专业知识，所以我把它留给你们:)

Win10 + Python 3.7 控制台与 PyCharm 使用相同的解释器：

Win8 + IPython 3.6 + Spyder 使用相同的解释器：

【问题讨论】：

我最迫切的问题是“为什么重要？”。但无论如何，Spyder 也会将其放入共享命名空间
@roganjosh 实际上我认为这并不重要，因为我作为数据分析师的工作并没有要求我深入研究对象模型，但我正在摸索以了解背后的原因这。我希望我有其他操作系统，例如Linux 对此进行测试。 BTW 这和你说的“共享命名空间”有关系吗？
我的工作也是数据科学家/数据分析师。这种行为无关紧要，但我不想使您的问题无效（好奇心很好）。 Spyder 有一个复杂的命名空间，你一定已经从你的主脚本观察到控制台中的东西是如何可用的......
@AndreyTyukin 不，我只是想看看其他人以前是否遇到过这种奇怪的事情，更重要的是，如果一个空字符串确实比一个字符的字符串多 1 个字节，这意味着我的对字符串对象的理解可能是完全错误的。如果您认为这很正常，那么对不起，因为我不是专业的软件开发人员，这对我来说确实很奇怪。现在我已经解决了这个问题，因为 Python.exe 控制台的第二次测试显示 49。
最有可能的候选者似乎是字符串在第一次需要时缓存使用 UTF-8 编码的版本。

标签： python

【解决方案1】：

这听起来像是在检索字符串对象的 wchar 表示。从 CPython 3.7 开始，CPython Unicode 表示的工作方式，一个空字符串通常存储在“紧凑 ASCII”表示中，64 位构建的紧凑 ASCII 字符串的基本数据和填充工作到 48 个字节，加上一个字节的字符串数据（只是空终止符）。可以看到相关的头文件here。

目前（这是 4.0 中的 scheduled for removal），还有一个选项可以检索字符串的 wchar_t 表示。在具有 2 字节 wchar_t 的平台上，空字符串的 wchar 表示为 2 字节（再次只是空终止符）。 wchar 表示在第一次访问时缓存在字符串中，str.__sizeof__ 会在存在时说明这些额外数据，总共 51 个字节。

【讨论】：

getsizeof() 在内部确实引用了__sizeof__。这是正确答案
@NicholasHumphrey：有些东西正在检索您的 IPython 测试中的 wchar 表示。（此外，您的 IPython 测试也使用 CPython；CPython 是 IPython 运行的解释器实现。）
这在很大程度上与问题无关，但看到对“[Python] 4.0”的引用让我感到焦虑......
@MikeCaron 和其他人：不要害怕。对“4.0”的引用意味着“2.7 支持结束（2020 年 1 月）之后的某个未来版本。一些弃用后的删除已被延迟，以使那些喜欢较小步骤的人更容易迁移。大约 6 年前在 3.3 中弃用的东西可能会在 3.5 中消失。我们不再允许对虚构的“4.0”的新引用。我刚刚在bugs.python.org/issue35616 中建议我们将这项政策“向后移植”到较早的通知，正是为了避免没有人需要的“焦虑”。
@KellyBundy：48 个字节，加上 1 个字节的 ASCII 空终止符用于 ASCII 表示，加上 2 个字节的 wchar_t 空终止符用于 wchar_t 表示。

【解决方案2】：

https://docs.python.org/3.5/library/sys.html#sys.getsizeof

sys 是特定于系统的，因此很容易有所不同。这一点常常被大家所忽视。多年来，python 中所有系统特定的东西都被倾倒在 sys 包中。例如，sys.getwindowsversion() 根据定义是不可移植的，但它就在那里。它就像跨平台编码的完美世界中的无底洞。你所看到的是 Python 的一个有趣的块。

来自getsizeof 文档：

只考虑直接归因于对象的内存消耗，而不考虑它所引用的对象的内存消耗。 getsizeof() 调用对象的 __sizeof__ 方法，如果对象由垃圾收集器管理，则会增加额外的垃圾收集器开销。

当使用垃圾收集时，操作系统会添加这些额外的位。如果您阅读 Python 和 GC Q & A When are objects garbage collected in python?，人们已经深入阐述了 GC 以及它将如何影响内存/引用计数和位等等。

我希望这能解释它的来源。如果您不使用system 级别属性而是使用更多pythonic 属性，那么您将获得一致的大小。

【讨论】：

不是GC数据。 GC 永远不会跟踪字符串对象；他们没有这些数据。此外，对于提问者测试的所有配置，相同的对象都会有 GC 数据。
那么我将得到纠正。它可能不是GC。然而，表示上的差异仍然适用并且是系统特定的。可能是操作系统+运行时