摘要：機制失效的情況方法的神奇用處使我不得不改變對機制的認識，本小節(jié)就帶大家重新學習一下機制吧。目前看來，方法最具通用性。學習的方法論總而言之，因為重新學習方法的神奇用處與機制的例外情況，我得以修正上篇文章的錯誤。

上篇文章《Python是否支持復制字符串呢？》剛發(fā)出一會，@發(fā)條橙 同學就在后臺留言，指出了一處錯誤。我一驚，馬上去驗證，竟然真的錯了，而且在完全沒意料到的地方！我開始以為只是疏漏，一細想，發(fā)現(xiàn)不簡單，遇到了百思不得其解的問題了。所以，這篇文章還得再聊聊字符串。

照例先總結下本文內(nèi)容：（1）join() 方法除了在拼接字符串時速度較快，它還是目前看來最通用有效的復制字符串的方法 （2）Intern 機制（字符串滯留）并非萬能的，本文探索一下它的軟肋有哪些

我先把那個問題化簡一下吧：

ss0 = "hi"
ss1 = "h" + "i"
ss2 = "".join(ss0)

print(ss0 == ss1 == ss2) >>> True
print(id(ss0) == id(ss1)) >>> True
print(id(ss0) == id(ss2)) >>> False

上面代碼中，奇怪的地方就在于 ss2 竟然是一個獨立的對象！按照最初想當然的認知，我認定它會被 Intern 機制處理掉，所以是不會占用獨立內(nèi)存的。上篇文章快寫完的時候，我突然想到 join 方法，所以沒做驗證就臨時加進去，導致了意外的發(fā)生。

按照之前在“特權種族”那篇文章的總結，我對字符串 Intern 機制有這樣的認識：

Python中，字符串使用Intern機制實現(xiàn)內(nèi)存地址共用，長度不超過20，且僅包括下劃線、數(shù)字、字母的字符串才會被intern；涉及字符串拼接時，編譯期優(yōu)化結果會與運行期計算結果不同。

為什么 join 方法拼接字符串時，可以不受 Intern 機制作用呢？

回看那篇文章，發(fā)現(xiàn)可能存在編譯期與運行期的差別！

# 編譯對字符串拼接的影響
s1 = "hell"
s2 = "hello"
"hell" + "o" is s2 
>>>True
s1 + "o" is s2 
>>>False
# "hell" + "o"在編譯時變成了"hello"，
# 而s1+"o"因為s1是一個變量，在運行時才拼接，所以沒有被intern

實驗一下，看看：

# 代碼加上
ss3 = "".join("hi")
print(id(ss0) == id(ss3)) >>> False

ss3 仍然是獨立對象，難道這種寫法還是在運行期時拼接？那怎么判斷某種寫法在編譯期還是在運行期起作用呢？繼續(xù)實驗：

s0 = "Python貓"
import copy
s1 = copy.copy(s0)
s2 = copy.copy("Python貓")

print(id(s0) == id(s1))
>>> True
print(id(s0) == id(s2))
>>> False

看來，不能通過是否顯性傳值來判斷。

那就只能從 join 方法的實現(xiàn)原理入手查看了。經(jīng)某交流群的小伙伴提醒，可以去 Python Tutor 網(wǎng)站，看看可視化執(zhí)行過程。但是，很遺憾，也沒看出什么底層機制。

我找了分析 CPython 源碼的資料（含上期薦書欄目的《Python源碼剖析》）來學習，但是，這些資料只比較 join() 方法與 + 號拼接法在原理與使用內(nèi)存上的差異，并沒提及為何 Intern 機制對前者會失效，而對后者卻是生效的。

現(xiàn)象已經(jīng)產(chǎn)生，我只能暫時解釋說，join 方法會不受 Intern 機制控制，它有獨享內(nèi)存的“特權”。

那就是說，其實有復制字符串的方法！上篇《Python是否支持復制字符串呢？》由于沒有發(fā)現(xiàn)這點，最后得出了錯誤的結論！

由于這個特例，我要修改上篇文章的結論了：Python 本身并不限制字符串的復制操作，CPython 解釋器出于優(yōu)化性能的考慮，加入了一些小把戲，試圖使字符串對象在內(nèi)存中只有一份，盡管如此，仍存在有效復制字符串的方法，那就是 join() 方法。

join() 方法的神奇用處使我不得不改變對 Intern 機制的認識，本小節(jié)就帶大家重新學習一下 Intern 機制吧。

所謂 Intern 機制，即字符串滯留（string interning），它通過維護一個字符串常量池（string intern pool），從而試圖只保存唯一的字符串對象，達到既高效又節(jié)省內(nèi)存地處理字符串的目的。在創(chuàng)建一個新的字符串對象后，Python 先比較常量池中是否有相同的對象（interned），有的話則將指針指向已有對象，并減少新對象的指針，新對象由于沒有引用計數(shù)，就會被垃圾回收機制回收掉，釋放出內(nèi)存。

Intern 機制不會減少新對象的創(chuàng)建與銷毀，但最終會節(jié)省出內(nèi)存。這種機制還有另一個好處，即被 Interned 的相同字符串作比較時，幾乎不花時間。實驗數(shù)據(jù)如下（資料來源：http://t.cn/ELu9n7R）：

Intern 機制的大致原理很好理解，然而影響結果的還有 CPython 解釋器的其它編譯及運行機制，字符串對象受到這些機制的共同影響。實際上，只有那些“看起來像” Python 標識符的字符串才會被處理。源代碼StringObject.h的注釋中寫道：

/ … … This is generally restricted to strings that “l(fā)ooklike” Python identifiers, although the intern() builtin can be used to force interning of any string … … /

這些機制的相互作用，不經(jīng)意間帶來了不少混亂的現(xiàn)象：

# 長度超過20，不被intern VS 被intern
"a" * 21 is "aaaaaaaaaaaaaaaaaaaaa"
>>> False
"aaaaaaaaaaaaaaaaaaaaa" is "aaaaaaaaaaaaaaaaaaaaa"
>>> True

# 長度不超過20，不被intern VS 被intern
s = "a"
s * 5 is "aaaaa"
>>> False
"a" * 5 is "aaaaa"
>>> True


# join方法，不被intern VS 被intern
"".join("hi") is "hi"
>>> False
"".join("h") is "h"
>>> True

# 特殊符號，不被intern VS 被"intern"
"python!" is "python!"
>>> False
a, b = "python!", "python!"
a is b
>>> True

這些現(xiàn)象當然都能被合理解釋，然而由于不同機制的混合作用，就很容易造成誤會。比如第一個例子，很多介紹 Intern 機制的文章在比較出 "a" * 21 的id有變化后，就認為 Intern 機制只對長度不超過20的字符串生效，可是，當看到長度超過20的字符串的id還相等時，這個結論就變錯誤了。當加入常量合并（Constant folding） 的機制后，長度不超過20的字符串會被合并的現(xiàn)象才得到解釋?？墒牵?CPython 的源碼中，只有長度不超過1字節(jié)的字符串才會被 intern ，為何長度超標的情況也出現(xiàn)了呢？ 再加入 CPython 的編譯優(yōu)化機制，才能解釋。

所以，看似被 intern 的兩個字符串，實際可能不是 Intern 機制的結果，而是其它機制的結果。同樣地，看似不能被 intern 的兩個字符串，實際可能被其它機制以類似方式處理了。

如此種種，便提高了理解 Intern 機制的難度。

就我在上篇文章中所關心的“復制字符串”話題而言，只有當 Intern 機制與其它這些機制統(tǒng)統(tǒng)失效時，才能做到復制字符串。目前看來，join 方法最具通用性。

總而言之，因為重新學習 join 方法的神奇用處與 Intern 機制的例外情況，我得以修正上篇文章的錯誤。在此過程中，我得到了新的知識，以及思考學習的樂趣。

《超人》電影中有一句著名的臺詞，在今年上映的《頭號玩家》中也出現(xiàn)了：

有的人從《戰(zhàn)爭與和平》里看到的只是一個普通的冒險故事，
有的人則能通過閱讀口香糖包裝紙上的成分表來解開宇宙的奧秘。

我讀到的是一種敏銳思辨的思想、孜孜求索的態(tài)度和以小窺大的方法。作為一個低天賦的人，受此鼓舞，我會繼續(xù)追問那些看似沒意義的問題（“如何刪除字符串”、“如何復制字符串”...），一點一點地學習 Python ，以我的方式理解它。同時，希望能給我的讀者們帶來一些收獲。

PS.不少人在期待 “Python貓” 系列，別急哈，讓那只貓再睡幾天，等它醒來，我替大家催它！

字符串系列文章：

詳解Python拼接字符串的七種方式

你真的知道Python的字符串是什么嗎？

你真的知道Python的字符串怎么用嗎？

Python是否支持復制字符串呢？

Python貓系列：

有了Python，我能叫出所有貓的名字

Python對象的身份迷思：從全體公民到萬物皆數(shù)

-----------------

本文原創(chuàng)并首發(fā)于微信公眾號【Python貓】，后臺回復“愛學習”，免費獲得20+本精選電子書。