讲讲Python小整数池背后的真实

在Python中，整数对象的复用涉及两个层面：

第一层是小整数池（small integers pool）¹机制。Python会预先缓存一定范围内的整数对象（通常是[-5, 256]），这个范围内的整数总是会复用同一个对象。比如：

a = 256
b = 256
print(a is b)  # True，因为256在小整数池范围内

第二层是Python解释器的编译优化。当Python将源代码编译成字节码时，如果发现同一个编译单元（compilation unit）中有相同的字面量，会尝试复用它们。但这种优化的行为会因执行环境而异：

1. 在.py文件中，整个文件是一个编译单元：

   x = 257
   y = 257
   print(x is y)  # 输出True，因为编译器对整个文件进行了优化
   

2. 在REPL环境中，每一行输入都是独立的编译单元：

   >>> x = 257  # 第一个编译单元
   >>> y = 257  # 第二个编译单元
   >>> x is y   # 输出False，因为是在不同的编译单元中创建的对象
   

   我们可以用exec()来模拟REPL的这种行为：

   namespace = {}
   exec("x = 257", namespace)  # 相当于一个独立的编译单元
   exec("y = 257", namespace)  # 另一个独立的编译单元
   exec("print(x is y)", namespace)  # 输出False
   

这个行为提醒我们：

1. 不要依赖Python的对象复用机制编写代码，因为它是实现细节，可能随版本变化
2. 使用is运算符时要格外小心，它比较的是对象的身份（identity），而不是值
3. 如果要比较值是否相等，应该使用==运算符：

   x = 257
   y = 257
   print(x == y)  # 始终为True，因为比较的是值而不是身份
   

这里还有个有趣的实验可以帮助理解：

# 在同一行定义的变量会复用对象
>>> x, y = 257, 257
>>> x is y
True

# 在不同行定义的变量会创建新对象
>>> x = 257
>>> y = 257
>>> x is y
False

# 但如果使用同一个表达式，也会复用对象
>>> y = x = 257
>>> x is y
True

这进一步说明了Python解释器的优化行为：当它能够在编译时确定多个变量会被赋予相同的字面量值时，就会尝试复用对象。但如果是在REPL环境下分行输入，每行都是独立的编译单元，就不会发生这种优化。

---

1. 短字符串同理 ↩︎