Python cython中str和Py_UNICODE的内部地址和内存地址

上下文：我构建了一个树数据结构，在cython的节点中存储单个字符。现在我想知道如果我实习所有这些角色是否能节省内存。以及我应该使用Py_UNICODE作为变量类型还是常规str。这是我的精简节点对象，使用Py_UNICODE：

来自libc.stdint cimport uintptru\t
从cpython cimport PyObject
cdef类节点（）：
cdef：
公共Py_UNICODE字符
def uu init uu（self，Py_UNICODE字符）：
self.character=字符
def存储器（自）：
返回&自我角色

如果第一次尝试查看字符是否自动插入。如果我在Python中导入该类并创建具有不同或相同字符的多个对象，我将得到以下结果：

a=节点（“a”）
a_py=a个字符
a2=节点（“a”）
b=节点（“b”）
打印（a.内存（），a2.内存（），b.内存（））
# 140532544296704 140532548558776 140532544296488
打印（id（a字符）、id（a2字符）、id（b字符）、id（a字符））
# 140532923573504 140532923573504 140532923840528 140532923573504

因此，我会得出结论，Py_UNICODE不是自动插入的，在python中使用id（）不会给我实际的内存地址，而是一个副本的内存地址（我假设python会自动插入单个UNICODE字符，然后只返回给我该字符的内存地址）

接下来，我尝试在使用str时做同样的事情。简单地用str替换Py_UNICODE，我现在就是这么做的：

%%cython
从libc.stdint cimport uintpr\t
从cpython cimport PyObject
cdef类节点（）：
cdef：
公共str字符
定义初始化（self，str字符）：
self.character=字符
def存储器（自）：
返回（self.character）

我得到的结果如下：

。。。
打印（a.内存（），a2.内存（），b.内存（））
# 140532923573504 140532923573504 140532923840528
打印（id（a字符）、id（a2字符）、id（b字符）、id（a字符））
# 140532923573504 140532923573504 140532923840528 140532923573504

基于此，我首先认为cython中也包含单字符str，cython不需要从python复制字符，这就解释了为什么id（）和.memory（）提供相同的地址。但后来我尝试使用更长的字符串，得到了相同的结果，从中我可能不想得出结论，更长的字符串也会自动插入？如果我使用Py_-UNICODE，我的树也会使用更少的内存，因此如果str被拘留，这没有多大意义，但是Py_-UNICODE不是。有人能给我解释一下这种行为吗？那我怎么去实习呢

（我正在Jupyter进行测试，以防有什么不同）

---

编辑：删除了不必要的节点id比较，而不是字符。

您有一个误解

PY_UNICODE

不是python对象，它是一个

只有字符串对象（至少是其中的一些对象）被插入，但不是类型为

wchar\u t

的简单C变量（或者实际上是任何C类型的变量）。这也没有任何意义：一个

wchar\u t

很可能是32位大，而保持一个指向内部对象的指针需要花费64位

因此，变量

self.character

（类型

PY_UNICODE

）的内存地址永远不会相同，只要

self

是不同的对象（无论

self.character

具有哪个值）

另一方面，在纯python中调用

a.character

时，Cython知道该变量不是简单的32位整数，并通过将其自动转换为unicode对象（

character

is property right？）。返回的字符串（即

a_py

）可能是“interned”或不是

当此字符的代码点（即latin1）为空时，它将获得-否则不会。前256个仅由一个字符组成的unicode对象具有-not（因此在上一节中使用了“interned”）

考虑：

>>> a="\u00ff" # ord(a) =  255
>>> b="\u00ff"
>>> a is b
# True

但是

---

关键在于：使用

PY_UNICODE

——即使没有插入，也比插入字符串/UNICODE对象便宜（4字节）（8字节用于引用+一次插入对象的内存）而且比不插入对象便宜得多（这可能发生）

或者，更好，正如@user2357112所指出的，用于确保保证4个字节的大小（这是能够支持所有可能的unicode字符所必需的）

wchar\u t

可以小到1个字节（即使这在当今可能非常罕见）。如果您对所使用的字符了解更多，您可以回到

Py_UCS2

或

Py_UCS1

---

但是，当使用

Py_UCS2

或

Py_USC1

时，必须考虑到Cython不支持从unicode到unicode的转换，如

Py_UCS4

（或弃用的

Py_unicode

）的情况，并且必须手动完成，例如：

%%cython 
from libc.stdint cimport uint16_t

# need to wrap typedef as Cython doesn't do it
cdef extern from "Python.h":
    ctypedef uint16_t Py_UCS2

cdef class Node:
    cdef:
        Py_UCS2 character_

    @property
    def character(self):
        # cython will do the right thing for Py_USC4
        return <Py_UCS4>(self.character_) 

    def __init__(self, str character):
        # unicode -> Py_UCS4 managed by Cython
        # Py_UCS4 -> Py_UCS2 is a simple C-cast
        self.character_ = <Py_UCS2><Py_UCS4>(character)

sizeof（A）

是24而不是17（请参阅）

---

如果有人真的在追求这两个字节，那么还有一条更大的鱼要钓：不要让节点成为Python对象，因为这会为不需要的多态性和引用计数带来16个字节的开销——这意味着整个数据结构都应该用C编写，并在Python中作为一个整体进行包装。然而，这里也要确保以正确的方式分配内存：通常的C运行时内存分配器有32或64字节对齐，即分配较小的大小仍然会导致使用32/64字节。

显然是的。这是漫长的一天。移除它。（：虽然

PY_UNICODE

更便宜，但仍然不应该使用它。它已被弃用，并且它的大小不总是足以容纳所有字符。您不希望您的应用程序因为有人试图使用鸡蛋而崩溃

%%cython 
from libc.stdint cimport uint16_t

# need to wrap typedef as Cython doesn't do it
cdef extern from "Python.h":
    ctypedef uint16_t Py_UCS2

cdef class Node:
    cdef:
        Py_UCS2 character_

    @property
    def character(self):
        # cython will do the right thing for Py_USC4
        return <Py_UCS4>(self.character_) 

    def __init__(self, str character):
        # unicode -> Py_UCS4 managed by Cython
        # Py_UCS4 -> Py_UCS2 is a simple C-cast
        self.character_ = <Py_UCS2><Py_UCS4>(character)

struct A{
    long long int a;
    long long int b;
    char ch;
};