python - 这个字节串实际占用了多少内存？

Question

我的理解是 os.urandom(size) 输出给定“大小”的随机字节字符串，但是:

import os
import sys

print(sys.getsizeof(os.urandom(42)))

>>>
75

为什么这不是 42？

还有一个相关问题:

import base64
import binascii


print(sys.getsizeof(base64.b64encode(os.urandom(42))))
print(sys.getsizeof(binascii.hexlify(os.urandom(42))))

>>>
89
117

为什么这些差异如此之大？哪种编码是存储字节字符串(例如 os.urandom 给出的字节串)最有效的内存方式？

编辑:说这个问题与 What is the difference between len() and sys.getsizeof() methods in python? 重复似乎有些牵强。我的问题不是关于 len() 和 getsizeof() 之间的区别。我对 Python 对象一般使用的内存感到困惑，这个问题的答案已经为我澄清了这一点。

Answer 1

Python 字节字符串对象不仅仅是组成它们的字符。它们是成熟的对象。因此，它们需要更多的空间来容纳对象的组件，例如类型指针(需要识别字节串是什么类型的对象)和长度(需要提高效率，因为 Python 字节串可以包含空字节)。

最简单的对象，一个对象实例，需要空间:

>>> sys.getsizeof(object())
16

您问题的第二部分只是因为 b64encode() 和 hexlify() 生成的字符串具有不同的长度；后者多了 28 个字符，这与 sys.getsizeof() 报告的值之间的差异毫不奇怪。

>>> s1 = base64.b64encode(os.urandom(42))
>>> s1
b'CtlMjDM9q7zp+pGogQci8gr0igJsyZVjSP4oWmMj2A8diawJctV/8sTa'
>>> s2 = binascii.hexlify(os.urandom(42))
>>> s2
b'c82d35f717507d6f5ffc5eda1ee1bfd50a62689c08ba12055a5c39f95b93292ddf4544751fbc79564345'

>>> len(s2) - len(s1)
28
>>> sys.getsizeof(s2) - sys.getsizeof(s1)
28

---

除非您使用某种形式的压缩，否则没有任何编码比您已有的二进制字符串更有效，在这种情况下尤其如此，因为数据是随机的本质上是不可压缩的。