字符串的 intern 机制是怎么一回事？
上一篇文章我们介绍了字符串的底层结构，看到里面有一个 state 字段，该字段也是一个结构体，内部定义了很多的标志位。
如果字符串的 interned 标志位大于 0，那么虚拟机将为其开启 intern 机制。那什么是 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 的做法是在虚拟机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。
另外 intern 机制也分为多种。
// Include/cpython/unicode.h
#define SSTATE_NOT_INTERNED 0
#define SSTATE_INTERNED_MORTAL 1
#define SSTATE_INTERNED_IMMORTAL 2
#define SSTATE_INTERNED_IMMORTAL_STATIC 3解释一下这几个字段：
SSTATE_NOT_INTERNED：字符串未开启 intern 机制；
SSTATE_INTERNED_MORTAL：字符串开启了 intern 机制，但它不是永久驻留的，在某些情况下可能会被回收；
SSTATE_INTERNED_IMMORTAL：字符串开启了 intern 机制，并且是永恒对象，会永远存活于内存中；
SSTATE_INTERNED_IMMORTAL_STATIC：和 SSTATE_INTERNED_IMMORTAL 类似，也是开启了 intern 机制并且不会被回收的字符串，但它表示的是程序在编译期间就已创建好的静态常量字符串；
这些字段定义了字符串在内存管理中的不同驻留状态，从未驻留、短暂驻留到永久驻留，帮助优化字符串的内存使用和管理。
// Objects/unicodeobject.c
void
PyUnicode_InternInPlace(PyObject **p)
{
PyInterpreterState *interp = _PyInterpreterState_GET();
_PyUnicode_InternInPlace(interp, p);
}
void
_PyUnicode_InternInPlace(PyInterpreterState *interp, PyObject **p)
{
PyObject *s = *p;
// PyUnicode_Check(s) -> isinstance(s, str)
// PyUnicode_CheckExact(s) -> type(s) is str
if (s == NULL || !PyUnicode_Check(s)) {
return;
}
if (!PyUnicode_CheckExact(s)) {
return;
}
// 执行到这儿，说明 s 一定指向字符串，那么检测它是否已经开启了 intern 机制
// 这个函数的逻辑很简单，内部会获取 state.interned，看它是否大于 0
if (PyUnicode_CHECK_INTERNED(s)) {
return;
}
// 从全局缓存中获取，这里不用关注
PyObject *r = (PyObject *)_Py_hashtable_get(INTERNED_STRINGS, s);
if (r != NULL && r != s) {
Py_SETREF(*p, Py_NewRef(r));
return;
}
// 接下来查看 s 指向的字符串是否是编译期间就已经静态分配好的
// 如果是，那么它一定也是永恒对象
if (_PyUnicode_STATE(s).statically_allocated) {
// 将 s 设置到 INTERNED_STRINGS 哈希表中，value 也是 s
if (_Py_hashtable_set(INTERNED_STRINGS, s, s) == 0) {
// 将它的 interned 标志位设置为 SSTATE_INTERNED_IMMORTAL_STATIC
_PyUnicode_STATE(*p).interned = SSTATE_INTERNED_IMMORTAL_STATIC;
}
return;
}
// 如果字符串的内存不是编译期间静态分配的，那么获取 INTERNED_STRINGS 字典
PyObject *interned = get_interned_dict(interp);
// 将 s 设置到 INTERNED_STRINGS 字典中
PyObject *t = PyDict_SetDefault(interned, s, s);
//...
// 标记为永恒对象
_Py_SetImmortal(s);
// 将 interned 标志位设置为 SSTATE_INTERNED_IMMORTAL
_PyUnicode_STATE(*p).interned = SSTATE_INTERNED_IMMORTAL;
}当一个字符串要开启 intern 机制时，会调用 PyUnicode_InternInPlace 函数。那么问题来了，什么样的字符串会开启 intern 机制呢？
1）如果字符串为 ASCII 字符串，并且长度不超过 4096，那么会开启 intern 机制。
>>> s1 = "a" * 4096
>>> s2 = "a" * 4096
# 会开启 intern 机制，s1 和 s2 指向同一个字符串
>>> s1 is s2
True
# 并且是永恒对象
>>> sys.getrefcount(s1)
4294967295
# 长度超过了 4096，所以不会开启 intern 机制
>>> s1 = "a" * 4097
>>> s2 = "a" * 4097
>>> s1 is s2
False
# 也不是永恒对象
>>> sys.getrefcount(s1)
22）如果一个字符串只有一个字符，并且码点小于 256（一个字节可以表示），那么也会开启 intern 机制。
>>> hex(128)
'0x80'
# s1 和 s2 指向同一个字符串，因为开启了 intern 机制
>>> s1 = chr(128)
>>> s2 = "\x80"
>>> s1 is s2
True
# 并且是永恒对象
>>> sys.getrefcount(s1)
4294967295
# ASCII 字符指的是码点小于 128 的字符，显然 s1 和 s2 不是 ASCII 字符串
# 虽然码点小于 256，但长度不等于 1，所以不会开启 intern 机制
>>> s1 = chr(128) + "x"
>>> s2 = chr(128) + "x"
>>> s1 is s2
False
# 不是永恒对象
>>> sys.getrefcount(s1)
2实际上，存储单个字符这种方式有点类似于 bytes 对象的缓存池。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缓存池。
当创建一个字符串时，如果字符串只有一个字符，且码点小于 256。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。同样当再次创建字符串时，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。
所以 intern 机制并不是大家想的那样：先检测字符串是否已经存在，如果有，就不用创建新的，从而节省内存。但其实不是这样的，事实上节省内存空间是没错的，可 Python 并不是在创建字符串的时候就通过 intern 机制实现了节省空间的目的。对于任何一个字符串，解释器总是会为它创建对应的结构体实例，但如果发现创建出来的实例在 intern 字典中已经存在了，那么再将它销毁。
最后关于 intern 机制，在 Python 里面可以通过 sys.intern 函数强制开启。
>>> s1 = "憨pi-_-||"
>>> s2 = "憨pi-_-||"
>>> s1 is s2
False
>>>
>>> s1 = sys.intern("憨pi-_-||")
>>> s2 = sys.intern("憨pi-_-||")
>>> s1 is s2
True
>>> sys.getrefcount(s1)
4294967295
>>>