本系列作为本人@takooctopus深入学习python机制的记录，这个博客遵照着栖迟于一丘的博客上面的流程进行的，也包含我在实际查看源码时的感想，特此列出，表示感谢。

关于python3

在看任何语言的字符串之前，我们首先应该看其编码问题。

python3中默认使用unicode编码，我们找到它的定义：

{{- code -}}

在[Objects/unicodeoject.c]中，提供了许多创建unicode对象的方法。我们考虑字符串，所以寻找PyUnicode_FromString()

{{- code -}}

在这里，其设置了一个数据的上限PY_SSIZE_T_MAX，其值为((Py_ssize_t)(((size_t)-1)>>1))，考虑我们64位系统，size_t为__int64。

明显的，当其没有溢出时，就转入下一步。

{{- code -}}

PyUnicode_DecodeUTF8Stateful()这个函数就会自动判断格式。

字符串对象共享机制

我们在之前讨论过了小整数的机制，其预先实现了小整数的dict，再对其进行引用。

字符串也同样有这种类似的引用机制itern

{{- code -}}

传入的字符串首先经过类型和状态检查PyUnicode_Check()、PyUnicode_CheckExact()、PyUnicode_CHECK_INTERNED()。如果都通过，且没有被interned，就新建dict。

特别的Py_REFCNT(s) -= 2，由于对象添加进入dict时会对对其引用进行两次+1操作，所以需要对引用-2平衡。

注意其仍旧是生成了一个临时字符串对象，在引用交接后将其销毁了。

以c的字符串创建一样需要创建对象：

{{- code -}}

我们看见字符串对象有属性interned，在经历了PyUnicode_InternInPlace()后会改变，其值有两种选择SSTATE_INTERNED_MORTAL和SSTATE_INTERNED_IMMORTAL，分别对应了其是否会被销毁。

我们可以在PyUnicode_InternImmortal()中更改状态。

{{- code -}}

字符缓冲池

单个unicode字符就直接以一个缓冲池保存

{{- code -}}

先对所创建的字符串（只有一个字符）对象进行intern操作，再将inter的结果缓存到字符缓冲池unicode_latin1中,两者都是指向同一个字符对象。

PyUnicodeObject拼接

我们上面讲了每个PyUnicodeObject对象都是一个不可变对象。我们使用+来拼接字符串会导致n-1次的内存搬运工作。

{{- code -}}

官方推荐使用join操作。

{{- code -}}

再看PyUnicode_Join()：

{{- code -}}

再我们看_PyUnicode_JoinArray()的实现：

{{- code -}}

其在统计了list中的对象及长度后，统一进行申请空间并逐一进行拷贝。