Python源码剖析----第三章（下）

PyStingObject对象的intern机制

根据之前讨论的PyStringObject对象创建的方式，假设创建一个String对象a，其表示的字符串是“Python”， 随后若再一次为字符串"Python“创建一个String对象，通常情况下，Python会重新申请一个内存来创建一个新的PyStringObject对象b，a与b是完全不同的两个对象，各占一段内存，尽管其内部维护的字符数组是完全相同的，那以此类推，若在程序中需要创建100个"Python"字符串对象则必然会浪费大量内存。

因此Python为PyStringObject对象引入了intern机制，目的就是对被intern之后的字符串，在整个python的运行期间，系统中都只有唯一的一个与字符串对应的PyStringObject对象，以上一个”Python“为例，如果对于对象a应用了intern机制，那在其之后创建b时，Python会在系统中记录的已经被intern机制处理了的PyStringObject对象中查找，如果发现该字符数组对应的PyStringObject对象已经存在了，最终会返回该对象的引用，从而可以节省空间，这样也使得当需要判断两个被intern的PyStringObject对象是否相同时，只需要简单地检查它们对应的PyObject* 是否相同即可。
这个Intern机制不仅节省了内存空间，也简化了对PyStringObject对象的比较。不论是PyString_FrmString还是PyString_FromStringAndSize，当首次创建的yStringObject对象字符数组的长度为0或1时，都会进行intern机制的处理：

[stringobject.c]
PyObject * PyString_FromString(const char *str)
{
	register size_t size;
	register PyStringObject *op;
	
	.....//创建PyStringObject对象；
	
	// intern长度较短的PyStringObject对象
	if(size == 0) {
		PyObject *t = (PyObject *)op;
		PyString_InternInPlace(&t);
		op = (PyStringObject *)t;
		nullstring = op;
	} else if (size == 1) {
		PyObject *t = (PyObject *)op;
		PyString_InternInPlace(&t);
		op = (PyStringObject *)t;
		characters[*str & UCHAR_MAX] = op;
	}
	return (PyObject *) op;
}

由此看出，PyString_InternInPlace正是负责完成对一个对象进行intern操作的函数。

[stringobject.c]
void PyString_InternInPlace(PyObject **p)
{
	register PyStringObject *s = (PyStringObject *)(*p);
	PyObject *t;
	//对PyStringObject进行类型和状态检查
	if (!PyString_CheckExact(s))
		return;
	if (PyString_CHECK_INTERNED(s))
		return;
	//创建记录经intern机制处理后的PyStringObject的dict
	if (interned == NULL) {
		interned = PyDict_New();
	}
	//检查对象是否存在对应的intern后的PyStringObject对象
	t = PyDict_GetItem(interned, (PyObject *)s);
	if (t) {
		Py_INCREF(t);
		Py_DECREF(*p);
		*p = t;
		return;
	}
	//在interned中记录检查PyStringObject对象， 调整计数及intern状态标志
	PyDict_SetItem(interned, (PyObject *)s, (PyObject *)s);
	s->ob_refcnt -=2;
	PyString_CHECK_INTERNED(s) = SSTATE_INTERNED_MORTAl;
}

PyString_InternInPlace会进行一系列操作，包括：
1）检查传入的对象是否是一个PyStringObject对象，intern机制只能应用在PyStirng_Object对象上，甚至对于它的派生类对象系统都不会应用intern机制；
2）检查传入的PyStringObject对象是否已经被intern机制处理过了，Python不会对同一个PyStringObject对象进行一次以上的intern操作；
3）检查PyStringObject对象是否存在对应的interned中， 若存在则调整引用计数并返回；
4）若不存在，则在interned中添加对应PyStringObject对象记录，并调整对象引用计数及intern状态标志；


其中，所提到的interned是intern机制的关键，在Python中interned其实是一个PyDictObject对象，是记录着被intern机制处理过的PyStringObject对象映射关系的（key,value）集合.当对一个PyStringObject对象a应用intern机制时，首先会在interned这个dict中检查是否有维护与a相同原生字符串的PyStringObject对象b,如果确实存在对象b，那么指向a的PyObject指针就会指向b,而a的引用计数减1，如若interned中还不存在这样的b,那么就将a记录到interned中。
可以看出，Python并不是在创建PyStringObject对象时就通过interned实现了节省空间的目的，事实上，无论如何，一个合法的PyStringObject对象都会被创建，intern机制是在对象被创建之后才起作用，intern机制会减少这个临时变量的引用计数，当计数减为0时对象会被回收。需要注意的是，对于被intern机制处理了的PyStringObject对象，Python采用了特殊的引用计数，Python的设计者规定在interned中的对象指针不能视为a对象的有效引用，因为如果是有效引用的话，那么PyStringObject对象a的计数在Python结束之前永远都不可能为0.