之前在python基础专辑里面我们分享了python的一个常用的数据类型：字符串！但是你真的了解字符串的结构吗？今天我们就来详细深入剖析一下python字符串的细节！

1. 什么是Python字符串？

Python字符串（string）是由Unicode码点（code points）组成的不可变序列，用于表示文本信息。例如：

text = "Hello 世界" 
# 包含ASCII字符和Unicode中文字符

2. Python数据结构中是否有字符和字符串？

有字符串类型：Python原生支持 s t r 类型（如"a", "Python"）

无独立字符类型：单个字符在Python中是长度为1的字符串（如'a'的类型是s t r）

示例验证：

print(type('a')) # 输出: <class 'str'>
print(type("abc")) # 输出: <class 'str'>

3. 字符串的单个元素是字符吗？

字符串的每个元素是一个Unicode码点（逻辑上的"字符"），技术上是通过长度为1的字符串实现：

s = "A字"
print(s[0]) # 'A' → 英文（1个码点）
print(s[1]) # '字' → 中文（1个码点）
print(s[2]) # '' → 火箭emoji（1个码点，UTF-16中占2个代码单元）

注意：某些字符（如emoji）在内存中可能需要多个字节存储，但对Python用户透明操作。

4. 为什么字符串不可变？

根本原因：C Python的字符串驻留（Interning）优化机制

示例证明不可变性：

s = "Python"
s[0] = "J" # 报错: TypeError: 'str' object does not support item assignment

5. 字符串底层结构（CPython源码解析）

在C Python中，字符串结构定义于
Include/cpython/unicodeobject.h：

核心结构体

typedef struct {
    PyObject_HEAD // 所有Python对象的公共头部
    Py_ssize_t length; // 字符串长度（码点数量）
    Py_hash_t hash; // 缓存哈希值（初次计算后存储）
    struct {
        unsigned int interned:2; // 是否驻留（INTERNED状态标志）
        unsigned int kind:3; // 编码类型（1/2/4字节）
        unsigned int compact:1; // 是否紧凑存储（非堆分配）
        // ... 其他标志位
    } state;
    wchar_t *wstr; // 宽字符缓存（兼容旧API）
} PyUnicodeObject;

编码类型（kind）详解

内存布局示例（字符串"Py"）

内存地址: 0x1000 → [对象头]
0x1008 → length=2
0x1010 → hash=缓存值
0x1018 → state (kind=1, interned=1, ...)
0x1020 → 数据区: 'P' (0x50) → 'y' (0x79)

内存布局示意图（可视化）

以下是一个简化的字符串 "hello" 在内存中的布局图（假设为 ASCII 字符串）：

如果是中文字符串 "你好"，则可能使用 2 字节编码（UTF-16）：

6. 字符串驻留（Interning）

为了提高效率，C Python 会对一些字符串进行驻留（interning），即多个相同字符串共享同一块内存地址。

驻留规则（常见情况）：

小写变量名、常量名（如 a, myvar）

只含字母、数字和下划线的字符串

短字符串（通常小于 20 字符）

>>> a = "hello"
>>> b = "hello"
>>> a is b
True

注意：并不是所有字符串都会被驻留，例如：

>>> x = "he" + "llo"
>>> y = "hello"
>>> x is y
False # 不一定驻留

7 .字符串内存占用分析（实际测试）

我们可以使用 sys.getsizeof() 来查看字符串对象的内存开销：

import sys
s = "hello"
print(sys.getsizeof(s)) # 输出: 49 bytes（Python 3.11）
s2 = "你好"
print(sys.getsizeof(s2)) # 输出: 78 bytes（2个字符，每个字符可能占用 2 或 4 字节）

注意：getsizeof() 只返回对象本身的大小，并不包括所引用的 data 数据区，要获取真实总内存需手动计算。

关键特性总结

注：Python 3.0+ 全面使用Unicode存储，解决Python 2的str/unicode分离问题。