unicode字符串中的内存位置

Question

我知道有人在我创作时解释原因 Python 2.7中相同的unicode字符串 它们没有指向内存中的相同位置 与“普通”字符串一样

>>> a1 = 'a'
>>> a2 = 'a'
>>> a1 is a2
True

好的，这就是我的预期，但是

>>> ua1 = u'a'
>>> ua2 = u'a'
>>> ua1 is ua2
False

为什么呢？如何？

Answer 1

我认为常规字符串是实习的，但unicode字符串不是。这个简单的测试似乎支持我的理论（Python 2.6.6）：

>>> intern("string")
'string'
>>> intern(u"unicode string")

Traceback (most recent call last):
  File "<pyshell#18>", line 1, in <module>
    intern(u"unicode string")
TypeError: intern() argument 1 must be string, not unicode

Answer 2

无法保证正常字符串被中断。有时他们是，有时他们不是。规则很复杂，特定于版本，故意没有记录。

你可以依赖这样一个事实，即只要一个好主意，Python就会尝试实现常用的小对象。而且，如果您编写任何依赖于a1 is a2或相反的代码，那么只要它最不方便就会中断。

如果你想要的不止这些，你必须查看你感兴趣的任何一个实现版本的源代码。对于CPython，详细信息大多在stringobject.c内2.6和2.7，unicodeobject.c 3.3。

后一个文件当然也存在于2.x中（它仍然定义unicode类型，这与3.x中的str类型不同）。您可以从2.7来源看到 对实习unicode字符串的一些支持，即使您无法在其上调用intern。从快速浏览一下，看起来2.7可以处理实际的unicode字符串，但不会创建它们。

同时，3.3使事情变得更有趣，因为str对象可以指向UTF-8，UTF-16或UTF-32存储（可能是实体），但代码使用旧式Unicode API可能仍然以新副本结束。所以，即使a1 is a2，如果你试图找到他们的角色，他们可能会有不同的缓冲区。

When does python choose to intern a string对细节有了更深入的了解。但同样，消息来源才是最重要的。