字符串如何存储在python内存模型中

Question

我来自c background和python中的初学者。我想知道在python的情况下字符串实际上是如何存储在内存中的。

我做了类似

的事情

s="foo"

id(s)=140542718184424

id(s[0])= 140542719027040
id(s[1])= 140542718832152
id(s[2])= 140542718832152

我不明白每个字符是如何存储在内存中的，以及为什么s的id不等于s [0]的id（就像它在c中一样）以及为什么s1和s2的id相同？

Answer 1

Python没有字符。索引到一个字符串会创建一个新的字符串，如果你不保持对它的引用，它会像其他所有对象一样迅速征服。因此，示例中的id()无法相互比较，只要对象存在，对象的id才是唯一的。特别是id(s[0]) != id(s)，因为前者是一个新的（临时）对象，id(s[1]) == id(s[2])因为在第一个操作数被评估之后，第一个临时字符串被销毁，第二个临时字符串被分配给之前释放的记忆。后者是一个实现细节和巧合，不能依赖。

关于字符串内存的推理由于实现细节（例如小字符串（以及整数，一些元组等）被实现而变得更加复杂，因此some_str is other_str对于来自不同来源的相等字符串可能是真的（例如来自索引到具有不同索引的字符串中。）

Answer 2

这是依赖于实现的，但是一些实现（不仅是Python，其他语言）也可以为预期的频繁使用保留一组中等大小的常量值。在Python的情况下，那些可能是True，None，'o'，1，2等值。这样，当其中一个常见值是需要，创建它没有任何开销 - 只需参考现有值。

Answer 3

这 article 是一本很好的读物，它解释了字符串的存储方式。简而言之：

<块引用>

当处理空字符串或一个字符的 ASCII 字符串时，Python 使用字符串实习。 Interned 字符串充当单例，也就是说，如果您有两个相同的字符串被 interned，则它们在内存中只有一个副本。

Python 在内部没有使用 UTF-8 来提供对子字符串的持续访问：

s = 'hello world'
s[0]
s[7] 

两者都不需要将字符串从初始字符（或更准确地说，长度为 1 的第一个子字符串）扫描到 i-th 位置。

这就是为什么 Python 对 Unicode 字符串使用三种内部表示，每个字符有 1、2 或 4 个字节（Latin-1、UCS-2、UCS-4 编码）并且不使用空格-优化的 UTF-8。