intern 机制
如果字符串的interned标识位为1，那么Python虚拟机将为其开启intern机制。那么什么是intern机制呢？
在Python中，某些字符串也可以像小整数对象池里的整数一样，共享给所有变量使用，从而通过避免重复创建来降低内存使用、减少性能开销，这便是intern机制。
Python的做法是在内部维护一个全局字典，所有开启intern机制的字符串均会保存在这里，后续如果需要使用的话，会先尝试在全局字典中获取，从而实现避免重复创建的功能。
void
PyUnicode_InternInPlace(PyObject **p)
{
PyObject *s = *p;
PyObject *t;
//类型检测，必须是PyUnicodeObject
if (!PyUnicode_CheckExact(s))
return;
//检测interned标识位, 判断是否开启intern机制
if (PyUnicode_CHECK_INTERNED(s))
return;
//创建字典，用于存储开启intern机制的字符串
if (interned == NULL) {
interned = PyDict_New();
if (interned == NULL) {
PyErr_Clear(); /* Don't leave an exception */
return;
}
}
Py_ALLOW_RECURSION
//下面的内容单独分析
t = PyDict_SetDefault(interned, s, s);
Py_END_ALLOW_RECURSION
if (t == NULL) {
PyErr_Clear();
return;
}
if (t != s) {
Py_INCREF(t);
Py_SETREF(*p, t);
return;
}
Py_REFCNT(s) -= 2;
_PyUnicode_STATE(s).interned = SSTATE_INTERNED_MORTAL;
}
首先会进行一系列的检查，包括类型检查、因为intern共享机制只能用在字符串对象上，所以检查传入的对象是否已经被intern机制处理过了。
然后是PyDict_SetDefault，这个函数应该能猜出来是做什么的吧，就对应字典的setdefault方法。当key不存在时，则新增键值对、并返回指定的value；key存在，则直接返回该key对应的value。
然后我们看到该函数在设置key、value的时候，传入的都是 s，这就意味着 s 指向的字符串对象的引用计数被增加了 2。这会造成该字符串的引用计数在Python程序结束前永远不会为0，这也是最后面的Py_REFCNT(s) -= 2; 、也就是将计数减2的原因。
然后估计很多人都以为Python在创建一个字符串时，会首先检测该字符串是否已经存在，如果有，就不用创建新的，这样可以节省空间。但其实不是这样的，事实上节省内存空间是没错的，可Python并不是在创建PyUnicodeObject的时候就通过intern机制实现了节省空间的目的。
从PyUnicode_FromString中我们可以看到，无论如何一个合法的PyUnicodeObject总是会被创建的，而intern机制也只对PyUnicodeObject起作用。
对于任何一个字符串，Python总是会为它创建对应的PyUnicodeObject，尽管创建出来的对象在intern机制中已经存在了(有另外的PyUnicodeObject也维护了相同的字符串)。
而这正是关键所在，通常Python在运行时创建了一个PyUnicodeObject对象（假设叫temp）之后，基本上都会调用PyUnicode_InternInPlace对temp进行处理。如果维护的值已经有其他的PyUnicodeObject维护了，或者说其他的PyUnicodeObject对象维护了一个与之一模一样的字符数组（字典中已经存在），那么temp的引用计数就会减去1。
然后temp会由于引用计数为0而被销毁，只是昙花一现，然后归于湮灭。
所以现在我们就明白了intern机制，并不是说先判断是否存在，如果存在，就不创建。而是先创建，然后发现已经有其他的PyUnicodeObject维护了一个与之相同的字符数组，于是intern机制将引用计数减一，导致引用计数为0，最终被回收。
但是这么做的原因是什么呢？为什么非要创建一个PyUnicodeObject来完成intern操作呢？这是因为PyDictObject必须要求必须以PyObject *作为key。
然后关于PyUnicodeObject对象的intern机制，还有一点需要注意。实际上，被intern机制处理过后的字符串分为两类，一类处于SSTATE_INTERNED_IMMORTAL状态，另一类处于SSTATE_INTERNED_MORTAL状态，这两种状态的区别在unicode_dealloc中可以清晰的看到，SSTATE_INTERNED_IMMORTAL状态的PyUnicodeObject是永远不会被销毁的，它与Python解释器共存亡。
PyUnicode_InternInPlace只能创建SSTATE_INTERNED_MORTAL的PyUnicodeObject对象，如果想创建SSTATE_INTERNED_IMMORTAL对象，必须通过另外的接口来强制改变PyUnicodeObject的intern状态。
void
PyUnicode_InternImmortal(PyObject **p)
{
PyUnicode_InternInPlace(p);
if (PyUnicode_CHECK_INTERNED(*p) != SSTATE_INTERNED_IMMORTAL) {
_PyUnicode_STATE(*p).interned = SSTATE_INTERNED_IMMORTAL;
Py_INCREF(*p);
}
}
但是问题来了，什么样的字符才会开启intern机制呢？
在Python3.8中，如果一个字符串的所有字符都位于0 ~ 127之间，那么会开启intern机制。
>>> a = "abc" * 1000
>>> b = "abc" * 1000
#之前的话是不超过20个字符
#但是在Python3.8中这个限制被扩大了很多
>>> a is b
True
>>>
>>> a = "abc" * 2000
>>> b = "abc" * 2000
#显然3 * 2000,6000个字符是不会开启intern机制的
#所以长度限制是多少，有兴趣可以自己试一下
>>> a is b
False
>>>
在Python3.8中，如果一个字符串只有一个字符，并且位于0~255之间，那么会开启intern机制。
>>> a = chr(255) * 2
>>> b = chr(255) * 2
#不位于0~127之间，所以不是ASCII字符
#因此没有开启intern机制
>>> a is b
False
>>>
>>> a = chr(255)
>>> b = chr(255)
# 但如果只有一个字符的话，则会开启
>>> a is b
True
>>> # 另外，空字符串也会开启
>>> a = ""
>>> b = ""
>>> a is b
True
实际上，存储单个字符这种方式有点类似于bytes对象中的缓存池。是的，正如整数有小整数对象池、bytes对象有字符缓存池一样，字符串也有其对应的PyUnicodeObject缓存池。
在Python的整数对象中，小整数的对象池是在Python初始化的时候被创建的，而字符串对象体系中的缓存池则是以静态变量的形式存在的。在Python初始化完成之后，缓存池的所有PyUnicodeObject指针都为空。
当创建一个PyUnicodeObject对象时，如果字符串只有一个字符，且位于0~255。那么会先对该字符串进行intern操作，再将intern的结果缓存到池子里。同样当再次创建PyUnicodeObject对象时，检测是不是只有一个字符，然后检查字符是不是存在于缓存池中，如果存在，直接返回。
另外我们也可以通过sys.intern强制开启字符串的intern机制。
小结
以上就是字符串相关的内容，正如之前所说，字符串没有想象中的那么简单。而在CPython里面，字符串的源码有一万六千多行，显然我们没办法一步一步地全部分析完，有兴趣的可以自己深入研究一下。
其实能把字符串的存储搞明白，已经是前进了一大步了。
以上就是本次分享的所有内容，想要了解更多欢迎前往公众号：Python编程学习圈，每日干货分享
