Python 的 String Interning 機制

許多程式語言會使用 2 個等號 == 比較兩個值是否相等，在 Python 也是一樣，但 Python 還有個特別的比較方法 is，它可以用來比較這兩個值是不是同一個物件：

>>> a = [1, 2, 3]
>>> b = [1, 2, 3]
>>> a == b
True
>>> a is b
False

雖然變數 a 跟 b 看起來都是串列 [1, 2, 3]，但實際上它們在 Python 是兩個不同的東西，你可以想像成我們從網路上買了兩盒一樣的玩具，如果沒有特別的碰撞或破損的話，這兩盒玩具的包裝盒看起來都一樣，裡面的玩具看起來也是一樣，但這兩個玩具本質上就是兩個不同的玩具。在 Python 有個叫做 id() 的內建函數，可以用來查看某個東西在 Python 世界裡的「編號」：

>>> a = [1, 2, 3]
>>> b = [1, 2, 3]
>>> id(a)
4303554880
>>> id(b)
4303556672

可以看的出來這兩個串列雖然看起來一樣，但內部的編號是不同的。再來給大家看一個例子：

>>> a = [1, 2, 3]
>>> b = a
>>> a == b
True
>>> a is b
True

第二行的 b = a 的意思，就是把 a 的值指派給 b，所以這時候不管是 a 或 b 都是指向同一個地方，它們的 id() 函數的執行結果也會一樣，所以 a is b 會是 True。到這裡應該還算容易理解，接著來看比較難一點的：

a = "hellokitty"
b = "hellokitty"
print(a == b) # 印出什麼？
print(a is b) # 印出什麼？

猜猜看，你覺得會印出什麼結果？== 的比較容易猜，就是比對這兩個變數的值是不是一樣，所以會得到 True。而 is 會比較這兩個 "hellokitty" 字串是不是同一個，這在其它的程式語言可能會有不同的結果，我用 Ruby 舉個例子：

>> a = "hellokitty"
>> b = "hellokitty"
>> a.object_id
=> 47540
>> b.object_id
=> 56940

這裡的 .object_id 方法跟剛剛提到的 id() 函數的功能差不多，在 Ruby 裡的字串雖然看起來一樣，但它們實際上在記憶體裡就是兩個不同的東西。這在 Python 裡會有不同的結果，還記得我們在上個章節才講到 Python 的字串本身的設計是不可變（Immutable）的嗎？既然不能變，所以 Python 內部會建立一個「表格」用來存放一些字串，試著盡可能的把同樣的字串建放同一個地方，以節省一些記憶體空間，這個機制叫做 String Interning（有興趣去翻 Python 的原始碼就會發現這個「表格」本質上是一個字典）。當你試著把一個字串被被命名為某個變數的時候，Python 會決定要不要使用之前曾經使用過的字串。

>>> id("hellokitty")
4305320112
>>> id("hellokitty")
4305320112
>>> id("hellokitty")
4305320112

但也不是所有的字串都會走這個機制，例如這個例子：

>>> id("hello kitty")
4305197104
>>> id("hello kitty")
4305197424
>>> id("hello kitty")
4305195568

String Interning 機制主要會發生在幾個情況，只有字數比較少而且只包含英文字母、數字、底線的字串才會幫我們處理，在上面這個範例中的字串有空白字元，Python 就沒有幫我們保留下來，而是每次都會產生一個新的字串。如果你想要強制讓 Python 發動 String Interning 機制的話，可使用內建模組 sys 的 intern() 函數：

>>> import sys
>>> a = sys.intern("hello kitty")
>>> b = sys.intern("hello kitty")
>>> a is b
True

不只字串，數字也有類似的機制，但這個機制不會無限上綱到所有的數字，只有在 -5 到 256 之間的整數才會發生：

>>> a = 256
>>> b = 256
>>> a is b
True

# 超過範圍了
>>> a = 257
>>> b = 257
>>> a is b
False

因為 -5 到 256 之間的數字很常用到，所以 Python 在啟動的時候有先幫我們就把這些數字先準備好，如果在程式裡用到的話就不用另外重新產生一份。