字串 Intern 機制

劉志軍發表於2017-08-12
字串

字串在 Python 中是最簡單也是最常用的資料型別之一，在 CPython 中字串的實現原理使用了一種叫做 Intern（字串駐留）的技術來提高字串效率。究竟什麼是 intern 機制，這種機制又是通過什麼方式來提高字串效率的呢？希望這篇文章能夠拋磚引玉。

先來看一段程式碼：

>>> s3 = "hello!"
>>> s4 = "hello!"
>>> s3 is s4
False
>>> id(s3)
80325968L
>>> id(s4)
80326048L複製程式碼

s3 和 s4 雖然值是一樣的，但確確實實是兩個不同的字串物件，Python 會為它們倆各自分配一段記憶體空間，假設程式中存在大量值相同的字串，系統就不得不為每個字串重複地分配記憶體空間，顯然，對系統來說是一種無謂的資源浪費。為了解決這種問題，Python 引入了 intern 機制。

再來看：

>>> s3 = intern('hello!')
>>> s4 = intern('hello!')
>>> s3 is s4
True
>>> id(s3)
80325968L
>>> id(s4)
80325968L複製程式碼

intern 是 Python 中的一個內建函式，該函式的作用就是對字串進行 intern 機制處理，處理後返回字串物件。我們發現但凡是值相同的字串經過 intern 機制處理之後，返回的都是同一個字串物件，這種方式在處理大資料的時候無疑能節省更多的記憶體空間，系統無需為相同的字串重複分配記憶體，對於值相同的字串共用一個物件即可。

其實，實現 Intern 機制的方式非常簡單，就是通過維護一個字串儲蓄池，這個池子是一個字典結構，如果字串已經存在於池子中了就不再去建立新的字串，直接返回之前建立好的字串物件，如果之前還沒有加入到該池子中，則先構造一個字串物件，並把這個物件加入到池子中去，方便下一次獲取，用虛擬碼就可以描述為：

intern_pool = {}
def intern(s):

    if s in intern_pool:
        return intern_pool[s]
    else:
        obj = PyStringObject(s)
        intern_pool[s] = obj
        return obj複製程式碼

在主流物件導向的程式語言中intern 機制對於處理字串已經成為一種標配，通過 intern 機制可以提高字串的處理效率，當然，直譯器內部很對 intern 機制的使用策略是有考究的，有些場景會自動使用 intern ，有些地方需要通過手動方式才能啟動。比如：

>>> s1 = "hello"
>>> s2 = "hello"
>>> s1 is s2
True
>>> id(s1)
72320704L
>>> id(s2)
72320704L複製程式碼

這段程式碼就是 Python自動使用了intern機制的結果。

相關文章