为什么“is”关键字在string中有一个点时会有不同的行为？
考虑这个代码：
>>> x = "google" >>> x is "google" True >>> x = "google.com" >>> x is "google.com" False >>> 为什么这样？
为了确保以上是正确的，我刚刚在Python上testing了Python 2.5.4,2.6.5,2.7b2，Python 3.1和Linux上的Python 2.7b1。
看起来所有人都有一致性，所以这是devise。 我错过了什么吗？
我只是发现，从我的个人域名过滤脚本失败。
isvalidation对象的身份和Python的任何实现，当它满足不变types的字面量时，完全可以自由地创build该不可变types的新对象， 或者通过该types的现有对象寻找是否可以重用（通过添加一个新的引用到相同的基础对象）。 这是一个优化的实用select，不受语义限制的影响，所以你的代码不应该依赖于实现可能采用的path（或者它可能会破坏Python的错误修正/优化版本！）。
考虑例如：
>>> import dis >>> def f(): ... x = 'google.com' ... return x is 'google.com' ... >>> dis.dis(f) 2 0 LOAD_CONST 1 ('google.com') 3 STORE_FAST 0 (x) 3 6 LOAD_FAST 0 (x) 9 LOAD_CONST 1 ('google.com') 12 COMPARE_OP 8 (is) 15 RETURN_VALUE
所以在这个特定的实现中， 在一个函数中 ，你的观察不适用，只有一个对象是为字面量（任何文字）而做的，事实上：
>>> f() True
实际上，这是因为在一个函数内传递常量的局部表（通过不让多个常量不变的对象在一个足够的地方存储一些内存）非常便宜和快速，并且可以提供良好的性能回报，因为函数可以被重复地调用之后。
但是， 在交互式提示下 （ 编辑 ：我原本以为这也会发生在模块的最高层，但是@Thomas的评论让我觉得正确，后面会看到）：
>>> x = 'google.com' >>> y = 'google.com' >>> id(x), id(y) (4213000, 4290864)
不用费力地试图以这种方式保存内存 – 这些id是不同的，即不同的对象。 有潜在的更高的成本和更低的回报，所以这个实现的优化器的启发式告诉它不要打扰search，只是继续前进。
编辑 ：在模块顶层，按@Thomas的观察，例如：
$ cat aaa.py x = 'google.com' y = 'google.com' print id(x), id(y)
我们再次在这个实现中看到了基于常量表的内存优化：
>>> import aaa 4291104 4291104
（每个@Thomas的观察结束）。
最后，同样的实施：
>>> x = 'google' >>> y = 'google' >>> id(x), id(y) (2484672, 2484672)
启发式在这里是不同的，因为字面string“看起来可能是一个标识符” – 所以它可能在操作中需要interning使用…所以优化器无论如何实施（并且一旦实习，寻找它变得非常快课程）。 确实，惊喜…：
>>> z = intern(x) >>> id(z) 2484672
… x 已经第一次intern了（就像你看到的， intern的返回值和x和y是同一个对象，因为它有相同的id() ）。 当然，你也不应该依赖这个 – 优化器不必自动实现任何东西，它只是一个优化启发式; 如果你需要internstring，明确intern ，只是为了安全。 当你做明确的实习生string…：
>>> x = intern('google.com') >>> y = intern('google.com') >>> id(x), id(y) (4213000, 4213000)
…那么你确实确保完全相同的对象（即，相同的id() ）结果每一次 – 所以你可以应用微优化，如检查与而不是== （我几乎没有find性能增益微不足道，值得费心;-)。
编辑 ：只是为了澄清，这里是我谈论的性能差异，在一个缓慢的Macbook Air …：
$ python -mtimeit -s"a='google';b='google'" 'a==b' 10000000 loops, best of 3: 0.132 usec per loop $ python -mtimeit -s"a='google';b='google'" 'a is b' 10000000 loops, best of 3: 0.107 usec per loop $ python -mtimeit -s"a='goo.gle';b='goo.gle'" 'a==b' 10000000 loops, best of 3: 0.132 usec per loop $ python -mtimeit -s"a='google';b='google'" 'a is b' 10000000 loops, best of 3: 0.106 usec per loop $ python -mtimeit -s"a=intern('goo.gle');b=intern('goo.gle')" 'a is b' 10000000 loops, best of 3: 0.0966 usec per loop $ python -mtimeit -s"a=intern('goo.gle');b=intern('goo.gle')" 'a == b' 10000000 loops, best of 3: 0.126 usec per loop
最多只要几十纳秒。 所以，甚至只是在最极端的情况下才会考虑 “优化[expletive deleted]出这个[expletive deleted]性能瓶颈的情况！”）
“是”是身份testing。 Python对于小整数和（显然）string都有一些caching行为。 “是”最适合单身testing（例如None ）。
>>> x = "google" >>> x is "google" True >>> id(x) 32553984L >>> id("google") 32553984L >>> x = "google.com" >>> x is "google.com" False >>> id(x) 32649320L >>> id("google.com") 37787888L
