聽說90%的人答不對這道Python題

02-03

每種編程語言都有一些不為人知的陷阱，有些實際工作中會踩到，有些可能根本排不上用場，但弄明白這些陷阱有利於我們更好的去了解這門語言的實現機制。

下面這個題，你是否能一眼看出問題的本質。

# 第一組n>>> a = 256n>>> b = 256n>>> a is bnTruen# 第二組n>>> a = 257n>>> b = 257n>>> a is bnFalsen# 第三組n>>> a = 257; b = 257n>>> a is bnTruen

不管是 Python2 還是 Python3 環境下，只要你是在 CPython 的互動式命令行 REPL 中執行，結果沒什麼不同。

我們知道 is 比較的是兩個對象的內存地址是否一樣（ id 函數返回一個和對象的內存地址相關的值），言外之意就是看a，b兩個變數是否指向同一個對象。我們來看看每個變數的 id 值。

>>> a = 256n>>> id(a)n1721788128n>>> b = 256n>>> id(a)n1721788128nn>>> a = 257n>>> id(a)n14947024n>>> b = 257n>>> id(b)n14947104nn>>> a = 257; b=257n>>> id(a)n14947136n>>> id(b)n14947136n>>>n

不出所料，前後兩組 a，b的 id 值是相同的，只有中間這組 id 值不一樣，我們可以對其簡單分析一下原因。在 Python 中，一切皆為對象，理論上任意兩個對象的 id 值都是不一樣的，例如：

>>> nums = [1,2,3,4]n>>> id(nums)n15148936nn>>> nums2 = [1,2,3]n>>> id(nums2)n15160824nn>>> nums3 = [1,2,3]n>>> id(nums3)n15160864n

看得出每個對象的 id 值是不同的，哪怕兩個對象的值（內容）相同，他們的 id 值也是不一樣的（nums2和nums3）。那為什麼前面第一組兩個對象的id值相同呢？可能有些同學已經知道了

因為在 Python 中，我們需要使用對象的時候 Python 就會為我們創建好，當不需要了它就會進行回收，就好比屋子裡面的東西用完之後，要及時清理，否則整個屋子很快就會堆滿，最終導致房間再也塞不進任何東西。

同樣的，為了提高性能，Python 就把一些常用的整數專門緩存起來，就像屋子裡面有些東西總是每天都要頻繁使用，比如床，你不能說睡完之後，就把床搬出去，要用了再搬回來，這樣的效率太低，因為這個搬運過程實在是太耗時了。於是，我們可以專門拿一塊空間用來放置這個床。

Python 中也是同樣的道理，因為整數是我們經常使用的對象，為了避免重複的創建、回收，乾脆就把那些常用的整數緩存起來，每次需要使用時直接從緩存中拿，而不是重新創建（重新創建的話，肯定是一個全新的對象）。這些整數的範圍是[-5, 256]，當然這個數字範圍是Python之父決定的，你要改，必須重新編譯Python環境。

現在我們就能解釋第一組為什麼是True，第二組為什麼是False了。為什麼第三組結果又是 True 了？，不是說好大於256的整數不再緩存，每次使用都是新對象嗎？別急，再聽我啰嗦一下。

還是出於性能考慮，Python內部做了進一步優化，怎麼優化呢？但凡是在同一個代碼塊中的代碼，如果出現兩個值相同的整數，那麼它們將被重用，來看下面這個代碼：

# test.pyn# -*- coding: utf-8 -*-na = 257nb = 257nndef func():n c = 257n print(a is c) # Falsennprint(a is b) # Truennfunc()n

上面代碼是在一個 test.py 文件中，運行時，a和b的id值相同，而c的id值與a不一樣，因為a、b 在同一個代碼塊，屬於模塊級別，而 c 是在函數裡面，屬於局部變數，他們不屬於同一代碼塊中，因此函數裡面的 257 這個對象時會重新創建，而創建 b 的時候，發現同級代碼塊中有個257的值了，就重用了這個對象。

再回到前面講的第三組值，在 Python 的互動式命令行 REPL 中，每單獨一行都視為一個代碼塊，同一行中的代碼屬於同一個代碼塊，因此不難理解，第三組中的a和b處在同一個代碼塊中，所以後者重用了前者，因此，兩個變數的id是相同的。

有沒有覺得這是一個坑。雖然我們實際場景中並不一定能用上，但是至少我們知道了Python為我們做的一些優化工作。

更多文章關注一下公眾號：Python之禪