为什么在失败的int转换中此Python字符串的大小会更改

Question 1

import sys
x = 'ñ'
print(sys.getsizeof(x))
int(x) #throws an error
print(sys.getsizeof(x))

对于两个getsizeof调用，我们得到74个字节，然后是77个字节。

看来我们从失败的int调用中向对象添加了3个字节。

来自Twitter的更多示例（您可能需要重新启动python才能将大小重置为74）：

x = 'ñ'
y = 'ñ'
int(x)
print(sys.getsizeof(y))

77！

print(sys.getsizeof('ñ'))
int('ñ')
print(sys.getsizeof('ñ'))

74，然后77。

Question 2

在CPython 3.6中将字符串转换为int的代码要求字符串以UTF-8形式使用：

buffer = PyUnicode_AsUTF8AndSize(asciidig, &buflen);

并且该字符串在首次请求时创建UTF-8表示形式，并将其缓存在字符串对象上：

if (PyUnicode_UTF8(unicode) == NULL) {
    assert(!PyUnicode_IS_COMPACT_ASCII(unicode));
    bytes = _PyUnicode_AsUTF8String(unicode, NULL);
    if (bytes == NULL)
        return NULL;
    _PyUnicode_UTF8(unicode) = PyObject_MALLOC(PyBytes_GET_SIZE(bytes) + 1);
    if (_PyUnicode_UTF8(unicode) == NULL) {
        PyErr_NoMemory();
        Py_DECREF(bytes);
        return NULL;
    }
    _PyUnicode_UTF8_LENGTH(unicode) = PyBytes_GET_SIZE(bytes);
    memcpy(_PyUnicode_UTF8(unicode),
              PyBytes_AS_STRING(bytes),
              _PyUnicode_UTF8_LENGTH(unicode) + 1);
    Py_DECREF(bytes);
}

额外的3个字节用于UTF-8表示形式。

您可能想知道，当字符串为'40'或时，为什么大小不改变'plain ascii text'。这是因为，如果字符串使用“ compact ascii”表示形式，则Python不会创建单独的UTF-8表示形式。它直接返回ASCII表示形式，它已经是有效的UTF-8：

#define PyUnicode_UTF8(op)                              \
    (assert(_PyUnicode_CHECK(op)),                      \
     assert(PyUnicode_IS_READY(op)),                    \
     PyUnicode_IS_COMPACT_ASCII(op) ?                   \
         ((char*)((PyASCIIObject*)(op) + 1)) :          \
         _PyUnicode_UTF8(op))

您可能还会想知道，为什么尺寸不会像一样改变'１'。这就是U + FF11全长数字ONE，它int等同于'1'。这是因为string-to-int程序中较早的步骤之一是

asciidig = _PyUnicode_TransformDecimalAndSpaceToASCII(u);

它将所有空格字符' '转换为并将所有Unicode十进制数字转换为相应的ASCII数字。如果此转换没有结束任何更改，则返回原始字符串，但是当进行更改时，它将创建一个新字符串，并且该新字符串是将创建UTF-8表示形式的字符串。

至于调用int一个字符串看起来会影响另一个字符串的情况，则实际上是相同的字符串对象。在许多情况下，Python将重用字符串，正如到目前为止我们所讨论的一切一样，在Weird Implementation Detail领域中，这些条件都同样牢固。对于'ñ'，发生重用是因为这是Latin-1范围（'\x00'- '\xff'）中的单字符字符串，并且实现存储并重用了这些字符。