在Python中操作字符串时，有时可能会遇到一些奇怪的现象，例如下面这个例子：
>>> a = "hello">>> b = "hello">>> a is bTrue>>> a = "hello world">>> b = "hello world">>> a is bFalse复制代码
你可能会问：为什么会这样呢？答案是Python中有一种称为“字符串驻留(String Internning)”的机制。
is和==
在Python中，我们使用is来判断两个对象的对象标识符(object identity)是否相等，也就是判断两个对象的内存地址是否相等，是不是同一个东西，即a is b相当于检查id(a) == id(b)：
>>> a = "hello">>> b = "hello">>> id(a) == id(b)True复制代码
而==只是用于判断两个对象的值是否相等(equality)，也就是说，两个变量的值是否相等：
>>> a = "hello">>> b = "hello">>> a == bTrue复制代码
由此可以知道，如果a is b为True，也就是说 a 和 b 指向同一个内存地址，那么a == b也必定为True。这点没有任何疑惑。
但是回到文章开头处，有：
>>> a = "hello world">>> b = "hello world">>> a is bFalse复制代码
上面这个结果向我们透露了两个信息：
- a 和 b 指向不同的内存地址
- a 和 b 的值是相同的
我们可以用id函数来查看对象的标识符(地址)：
>>> b = "hello world">>> a = "hello world">>> id(a)1580069459248>>> id(b)1580069232944复制代码
可以看到，a 和 b 确实是不同的对象。产生这种情况的原因就是字符串驻留(String Interning)。
字符串驻留(String Interning)
Python中的字符串采用了驻留机制，当需要值相同的字符串的时候（比如标识符），可以直接从字符串池里拿来使用，也就是值相同的字符串在内存中只有一个对象。
这样做是为了避免频繁的创建和销毁，提升效率和节约内存。
因此拼接和修改字符串是会比较影响性能的。因为Python中的字符串是不可变的，所以字符串的操作都不是原址操作，而是新建对象，这也是为什么拼接多字符串的时候不建议用加号(+)，而用join()，join()是先计算出所有字符串的长度，然后再拷贝，只new一次对象。
需要注意的是，并不是所有的字符串都会采用驻留机制，当且仅当只包含下划线、数字、字母的字符串才会被驻留。
因为 "hello world" 中包含了空格，所以不会驻留。如果满足驻留要求，那么就会驻留：
>>> a = "helloworld">>> b = "helloworld">>> a is bTrue>>> a = "kjhuwhoehiwh98yu398y1____ajs9f9">>> b = "kjhuwhoehiwh98yu398y1____ajs9f9">>> a is bTrue>>> a = "python is great!">>> b = "python is great!">>> a is bFalse复制代码
编译时常量和运行时表达式
下面介绍一个更加让人迷惑的现象：
>>> 'a' + 'b' is 'ab'True>>> a = 'a'>>> a + 'b' is 'ab'False复制代码
我们用dis包将上面的代码编译成Python字节码：
import disdef bytecode1(): a = 'a' + 'b' print(a is 'ab') def bytecode2(): a = 'a' b = a + 'b' print(b is 'ab')if __name__ == "__main__": bytecode1() bytecode2() print("************compile-time*************") print(dis.dis(bytecode1)) print("************run-time*************") print(dis.dis(bytecode2))复制代码 运行结果：
TrueFalse************compile-time************* 4 0 LOAD_CONST 1 ('ab') 2 STORE_FAST 0 (a) 5 4 LOAD_GLOBAL 0 (print) 6 LOAD_FAST 0 (a) 8 LOAD_CONST 1 ('ab') 10 COMPARE_OP 8 (is) 12 CALL_FUNCTION 1 14 POP_TOP 16 LOAD_CONST 0 (None) 18 RETURN_VALUENone************run-time************* 8 0 LOAD_CONST 1 ('a') 2 STORE_FAST 0 (a) 9 4 LOAD_FAST 0 (a) 6 LOAD_CONST 2 ('b') 8 BINARY_ADD 10 STORE_FAST 1 (b) 10 12 LOAD_GLOBAL 0 (print) 14 LOAD_FAST 1 (b) 16 LOAD_CONST 3 ('ab') 18 COMPARE_OP 8 (is) 20 CALL_FUNCTION 1 22 POP_TOP 24 LOAD_CONST 0 (None) 26 RETURN_VALUENone复制代码 大家可以看到，如果常量的值能够在编译时就确定，那么就会被驻留；如果必须在运行时才能确定，那么就不会驻留。你还可以尝试下面的例子：
>>> a = 'a'>>> a * 20 is 'aaaaaaaaaaaaaaaaaaaa' # a * 20 在编译时无法确定其值False>>> 'a' * 20 is 'aaaaaaaaaaaaaaaaaaaa' # 'a' * 20 在编译时可以确定其值True复制代码
另外还可以尝试：
>>> x, y = 'hello', 'hello'>>> x is yTrue>>> x, y = 'hello!', 'hello!'>>> x is yFalse复制代码
总结
两点：
- 当且仅当只包含下划线、数字、字母的字符串才会被驻留；
- 编译时可以被确定的常量值会被驻留，运行时才能确定的值不会指向编译时驻留的字符串。
以上结果，均在Python 3.7.2中验证。更低版本的Python可能会出现不同的结果。如果出现了自己不能理解的结果，建议使用dis包，将代码编译为字节码，即可明白其原理。
Python交流学习群：
微信公众号：小鑫的代码日常