Python如何判断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 试图重用现有的不可变对象，方法是让其他变量指向它们，而不是在内存中创建具有相同值的新对象。

考虑到这一点，Example 1 返回True 似乎很明显。
（对我来说）Example 2 返回True 仍然很明显。

Example 3 返回False 对我来说并不明显——我在做的事情和Example 2 不一样吗？！？

我偶然发现了这个 SO 问题：
Why does comparing strings in Python using either '==' or 'is' sometimes produce a different result?

并通读http://guilload.com/python-string-interning/（虽然我可能没有完全理解），然后想——好吧，也许“实习”字符串取决于长度，所以我在Example 4 中使用了HelloHelloHelloHelloHello。结果是True。

让我感到困惑的是，与Example 2 中的操作相同，只是使用更大的数字（但它实际上会返回与Example 4 相同的字符串） - 但是这次结果是False?!?

我真的不知道 Python 如何决定是否使用同一个内存对象，或者何时创建一个新对象。

有任何官方资料可以解释这种行为吗？

Answer 1

来自the link you posted：

避免使用大的 .pyc 文件

那么为什么'a' * 21 is 'aaaaaaaaaaaaaaaaaaaaa' 不计算为True？你还记得你在所有包中遇到的 .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['foo!'] * 10**9，会发生什么？生成的 .pyc 文件会很大！为了避免这种现象，通过窥孔优化生成的序列如果长度超过 20 则被丢弃。

如果你有字符串"HelloHelloHelloHelloHello"，Python 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）。然而，当涉及到可以在解析时计算的字符串值时，例如"Hello" * 5，Python 会评估这些值作为所谓的“窥孔优化”的一部分，这可以决定是否值得预先计算细绳。由于len("Hello" * 5) > 20，解释器保持原样以避免存储过多的长字符串。

编辑：

如this question所示，您可以在peephole.c的源代码中查看这一点，函数fold_binops_on_constants，在接近尾声时您会看到：

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

编辑 2：

实际上，该优化代码最近是 Python 3.7 的 moved to the AST optimizer，所以现在您必须查看 ast_opt.c，函数 fold_binop，它现在调用函数 safe_multiply，它检查字符串是否不超过MAX_STR_SIZE、newly defined as 4096。因此，下一个版本的限制似乎已大大提高。

Answer 2

在示例 2 中：

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

这里 s1 和 s2 的值是在编译时计算的。所以这将返回 true。

在示例 3 中：

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

这里的 s1 和 s2 的值是在运行时计算的，结果不会自动实习，所以这将返回 false。这是为了通过在运行时本身创建 "HelloHelloHello" 字符串来避免过多的内存分配。

如果您手动进行实习，它将返回 True

i = 3
s1 = "Hello" * i
s2 = "Hello" * i
print(id(intern(s1)) == id(intern(s2))) # True