免費AI編程助手
前言
每種編程語言為了表現(xiàn)出色，并且實現(xiàn)卓越的性能，都需要有大量編譯器級與解釋器級的優(yōu)化。
由于字符串是任何編程語言中不可或缺的一個部分，因此，如果有快速操作字符串的能力，就可以迅速地提高整體的性能。
在本文中，我們將深入研究 Python 的內(nèi)部實現(xiàn)，并了解 Python 如何使用一種名為字符串駐留（String Interning）的技術(shù)，實現(xiàn)解釋器的高性能。本文的目的不僅在于介紹 Python 的內(nèi)部知識，而且還旨在使讀者能夠輕松地瀏覽 Python 的源代碼；因此，本文中將有很多出自CPython的代碼片段。
全文提綱如下：
1、什么是“字符串駐留”？
字符串駐留是一種編譯器/解釋器的優(yōu)化方法，它通過緩存一般性的字符串，從而節(jié)省字符串處理任務(wù)的空間和時間。
這種優(yōu)化方法不會每次都創(chuàng)建一個新的字符串副本，而是僅為每個適當(dāng)?shù)牟豢勺冎当Ａ粢粋€字符串副本，并使用指針引用之。每個字符串的唯一拷貝被稱為它的intern，并因此而得名 String Interning。
String Interning 一般被譯為“字符串駐留”或“字符串留用”，在某些語言中可能習(xí)慣用 String Pool（字符串常量池）的概念，其實是對同一種機制的不同表述。intern 作為名詞時，是“實習(xí)生、實習(xí)醫(yī)生”的意思，在此可以理解成“駐留物、駐留值”。
查找字符串 intern 的方法可能作為公開接口公開，也可能不公開?，F(xiàn)代編程語言如 Java、Python、PHP、Ruby、Julia 等等，都支持字符串駐留，以使其編譯器和解釋器做到高性能。
2、為什么要駐留字符串？
字符串駐留提升了字符串比較的速度。如果沒有駐留，當(dāng)我們要比較兩個字符串是否相等時，它的時間復(fù)雜度將上升到 O(n)，即需要檢查兩個字符串中的每個字符，才能判斷出它們是否相等。
但是，如果字符串是固定的，由于相同的字符串將使用同一個對象引用，因此只需檢查指針是否相同，就足以判斷出兩個字符串是否相等，不必再逐一檢查每個字符。由于這是一個非常普遍的操作，因此，它被典型地實現(xiàn)為指針相等性校驗，僅使用一條完全沒有內(nèi)存引用的機器指令。
字符串駐留減少了內(nèi)存占用。Python 避免內(nèi)存中充斥多余的字符串對象，通過享元設(shè)計模式共享和重用已經(jīng)定義的對象，從而優(yōu)化內(nèi)存占用。
3、Python的字符串駐留
像大多數(shù)其它現(xiàn)代編程語言一樣，Python 也使用字符串駐留來提高性能。在 Python 中，我們可以使用is運算符，檢查兩個對象是否引用了同一個內(nèi)存對象。
因此，如果兩個字符串對象引用了相同的內(nèi)存對象，則is運算符將得出True，否則為False。
>>> 'python' is 'python'
True
我們可以使用這個特定的運算符，來判斷哪些字符串是被駐留的。在 CPython 的，字符串駐留是通過以下函數(shù)實現(xiàn)的，聲明在 unicodeobject.h 中，定義在 unicodeobject.c 中。
PyAPI_FUNC(void) PyUnicode_InternInPlace(PyObject **);為了檢查一個字符串是否被駐留，CPython 實現(xiàn)了一個名為PyUnicode_CHECK_INTERNED的宏，同樣是定義在 unicodeobject.h 中。
這個宏表明了 Python 在PyASCIIObject結(jié)構(gòu)中維護著一個名為interned的成員變量，它的值表示相應(yīng)的字符串是否被駐留。
#define PyUnicode_CHECK_INTERNED(op)
(((PyASCIIObject *)(op))->state.interned)4、字符串駐留的原理
在 CPython 中，字符串的引用被一個名為interned的 Python 字典所存儲、訪問和管理。 該字典在第一次調(diào)用字符串駐留時，被延遲地初始化，并持有全部已駐留字符串對象的引用。
4.1 如何駐留字符串？
負責(zé)駐留字符串的核心函數(shù)是PyUnicode_InternInPlace，它定義在 unicodeobject.c 中，當(dāng)調(diào)用時，它會創(chuàng)建一個準備容納所有駐留的字符串的字典interned，然后登記入?yún)⒅械膶ο?，令其鍵和值都使用相同的對象引用。
以下函數(shù)片段顯示了 Python 實現(xiàn)字符串駐留的過程。
void
PyUnicode_InternInPlace(PyObject **p)
{
PyObject *s = *p;
?
.........
?
// Lazily build the dictionary to hold interned Strings
if (interned == NULL) {
interned = PyDict_New();
if (interned == NULL) {
PyErr_Clear();
return;
}
}
?
PyObject *t;
?
// Make an entry to the interned dictionary for the
// given object
t = PyDict_SetDefault(interned, s, s);
?
.........
// The two references in interned dict (key and value) are
// not counted by refcnt.
// unicode_dealloc() and _PyUnicode_ClearInterned() take
// care of this.
Py_SET_REFCNT(s, Py_REFCNT(s) - 2);
?
// Set the state of the string to be INTERNED
_PyUnicode_STATE(s).interned = SSTATE_INTERNED_MORTAL;
}4.2 如何清理駐留的字符串？
清理函數(shù)從interned字典中遍歷所有的字符串，調(diào)整這些對象的引用計數(shù)，并把它們標記為NOT_INTERNED，使其被垃圾回收。一旦所有的字符串都被標記為NOT_INTERNED，則interned字典會被清空并刪除。
這個清理函數(shù)就是_PyUnicode_ClearInterned，在unicodeobject.c 中定義。
void
_PyUnicode_ClearInterned(PyThreadState *tstate)
{
.........
?
// Get all the keys to the interned dictionary
PyObject *keys = PyDict_Keys(interned);
?
.........
?
// Interned Unicode strings are not forcibly deallocated;
// rather, we give them their stolen references back
// and then clear and DECREF the interned dict.
?
for (Py_ssize_t i = 0; i < n; i++) {
PyObject *s = PyList_GET_ITEM(keys, i);
?
.........
?
switch (PyUnicode_CHECK_INTERNED(s)) {
case SSTATE_INTERNED_IMMORTAL:
Py_SET_REFCNT(s, Py_REFCNT(s) + 1);
break;
case SSTATE_INTERNED_MORTAL:
// Restore the two references (key and value) ignored
// by PyUnicode_InternInPlace().
Py_SET_REFCNT(s, Py_REFCNT(s) + 2);
break;
case SSTATE_NOT_INTERNED:
/* fall through */
default:
Py_UNREACHABLE();
}
?
// marking the string to be NOT_INTERNED
_PyUnicode_STATE(s).interned = SSTATE_NOT_INTERNED;
}
?
// decreasing the reference to the initialized and
// access keys object.
Py_DECREF(keys);
?
// clearing the dictionary
PyDict_Clear(interned);
?
// clearing the object interned
Py_CLEAR(interned);
}5、字符串駐留的實現(xiàn)
既然了解了字符串駐留及清理的內(nèi)部原理，我們就可以找出 Python 中所有會被駐留的字符串。
為了做到這點，我們要做的就是在 CPython 源代碼中查找PyUnicode_InternInPlace 函數(shù)的調(diào)用，并查看其附近的代碼。下面是在 Python 中關(guān)于字符串駐留的一些有趣的發(fā)現(xiàn)。
5.1 變量、常量與函數(shù)名
CPython 對常量（例如函數(shù)名、變量名、字符串字面量等）執(zhí)行字符串駐留。
以下代碼出自codeobject.c，它表明在創(chuàng)建新的PyCode對象時，解釋器將對所有編譯期的常量、名稱和字面量進行駐留。
PyCodeObject *
PyCode_NewWithPosOnlyArgs(int argcount, int posonlyargcount, int kwonlyargcount,
int nlocals, int stacksize, int flags,
PyObject *code, PyObject *consts, PyObject *names,
PyObject *varnames, PyObject *freevars, PyObject *cellvars,
PyObject *filename, PyObject *name, int firstlineno,
PyObject *linetable)
{
?
........
?
if (intern_strings(names) < 0) {
return NULL;
}
?
if (intern_strings(varnames) < 0) {
return NULL;
}
?
if (intern_strings(freevars) < 0) {
return NULL;
}
?
if (intern_strings(cellvars) < 0) {
return NULL;
}
?
if (intern_string_constants(consts, NULL) < 0) {
return NULL;
}
?
........
?
}5.2 字典的鍵
CPython 還會駐留任何字典對象的字符串鍵。
當(dāng)在字典中插入元素時，解釋器會對該元素的鍵作字符串駐留。以下代碼出自dictobject.c，展示了實際的行為。
有趣的地方：在PyUnicode_InternInPlace函數(shù)被調(diào)用處有一條注釋，它問道，我們是否真的需要對所有字典中的全部鍵進行駐留？
int
PyDict_SetItemString(PyObject *v, const char *key, PyObject *item)
{
PyObject *kv;
int err;
kv = PyUnicode_FromString(key);
if (kv == NULL)
return -1;
?
// Invoking String Interning on the key
PyUnicode_InternInPlace(&kv); /* XXX Should we really? */
?
err = PyDict_SetItem(v, kv, item);
Py_DECREF(kv);
return err;
}5.3 任何對象的屬性
Python 中對象的屬性可以通過setattr函數(shù)顯式地設(shè)置，也可以作為類成員的一部分而隱式地設(shè)置，或者在其數(shù)據(jù)類型中預(yù)定義。
CPython 會駐留所有這些屬性名，以便實現(xiàn)快速查找。以下是函數(shù)PyObject_SetAttr的代碼片段，該函數(shù)定義在文件object.c中，負責(zé)為 Python 對象設(shè)置新屬性。
int
PyObject_SetAttr(PyObject *v, PyObject *name, PyObject *value)
{
?
........
?
PyUnicode_InternInPlace(&name);
?
........
}5.4 顯式地駐留
Python 還支持通過sys模塊中的intern函數(shù)進行顯式地字符串駐留。
當(dāng)使用任何字符串對象調(diào)用此函數(shù)時，該字符串對象將被駐留。以下是sysmodule.c文件的代碼片段，它展示了在sys_intern_impl函數(shù)中的字符串駐留過程。
static PyObject *
sys_intern_impl(PyObject *module, PyObject *s)
{
?
........
?
if (PyUnicode_CheckExact(s)) {
Py_INCREF(s);
PyUnicode_InternInPlace(&s);
return s;
}
?
........
}6、字符串駐留的其它發(fā)現(xiàn)
只有編譯期的字符串會被駐留。在解釋時或編譯時指定的字符串會被駐留，而動態(tài)創(chuàng)建的字符串則不會。
Python貓注：這一條規(guī)則值得展開思考，我曾經(jīng)在上面踩過坑……有兩個知識點，我相信 99% 的人都不知道：字符串的 join() 方法是動態(tài)創(chuàng)建字符串，因此其創(chuàng)建的字符串不會被駐留；常量折疊機制也發(fā)生在編譯期，因此有時候容易把它跟字符串駐留搞混淆。推薦閱讀《join()方法的神奇用處與Intern機制的軟肋》
包含 ASCII 字符和下劃線的字符串會被駐留。在編譯期間，當(dāng)對字符串字面量進行駐留時，CPython確保僅對匹配正則表達式[a-zA-Z0-9_]*的常量進行駐留，因為它們非常貼近于 Python 的標識符。
注：關(guān)于 Python 中標識符的命名規(guī)則，在 Python2 版本只有“字母、數(shù)字和下劃線”，但在 Python 3.x 版本中，已經(jīng)支持 Unicode 編碼。這部分內(nèi)容推薦閱讀《醒醒！Python已經(jīng)支持中文變量名啦！》
小結(jié)
以上就是字符串駐留是什么的詳細介紹，更多python相關(guān)的學(xué)習(xí)資料請關(guān)注W3Cschool其它相關(guān)文章！
