python - Python 中的子字符串。内存中的副本？

Question

假设我在 Python 中有一个字符串 my_string 并且我根据 some_pattern 对其进行标记:

match.re.search(some_pattern, my_string)
string_1 = match.group(1)
string_2 = match.group(2)
....

string_1 和 string_2(“深”)是 my_string 中子字符串的副本还是对内存中相同位置的引用？ string_1 和 string_2 是否为 my_string 中字符的完整副本分配内存？

请注意，我不是在询问字符串的不变性。如果 my_string 很长，我想知道通过标记化我的字符串在内存中的命中率是多少。

我不需要确切地知道有多少内存被重新使用，但知道字符串的标记化是否最终会导致内存重复肯定会很有用。

Answer 1

通过查看 Python 2.7.3 源代码，获取字符串的一部分可以复制字符数据:

Objects/stringobject.c:

string_slice() 调用以下函数，PyString_FromStringAndSize():

/* Inline PyObject_NewVar */
op = (PyStringObject *)PyObject_MALLOC(PyStringObject_SIZE + size);
if (op == NULL)
    return PyErr_NoMemory();
PyObject_INIT_VAR(op, &PyString_Type, size);
op->ob_shash = -1;
op->ob_sstate = SSTATE_NOT_INTERNED;
if (str != NULL)
    Py_MEMCPY(op->ob_sval, str, size);
op->ob_sval[size] = '\0';

这里，str是指向字符数据的指针，size是长度。注意 malloc 和 memcpy。

不同的 Python 实现(实际上是不同版本的 CPython)可能会有不同的行为。例如，Jython 可能使用 java.lang.String ，它不会制作副本。