從Python2到Python3的解包行為的這種變化是什么？

Question

昨天我在Python 2和Python 3之間遇到了這個奇怪的解包差異，並且在快速谷歌搜索之后似乎沒有找到任何解釋。

Python 2.7.8

a = 257
b = 257
a is b # False

a, b = 257, 257
a is b # False

Python 3.4.2

a = 257
b = 257
a is b # False

a, b = 257, 257
a is b # True

我知道它可能不會影響程序的正確性，但它確實讓我有點煩惱。 任何人都可以在拆包時給出一些關於這種差異的見解嗎？

Answer 1

這種行為至少部分與解釋器如何進行常量折疊以及REPL如何執行代碼有關。

首先，請記住CPython首先編譯代碼（到AST然后是字節碼）。 然后它評估字節碼。 在編譯期間，腳本會查找不可變的對象並對其進行緩存。 它還對它們進行重復數據刪除。 如果它看到了

a = 257
b = 257

它會將a和b存儲在同一個對象上：

import dis

def f():
    a = 257
    b = 257

dis.dis(f)
#>>>   4           0 LOAD_CONST               1 (257)
#>>>               3 STORE_FAST               0 (a)
#>>>
#>>>   5           6 LOAD_CONST               1 (257)
#>>>               9 STORE_FAST               1 (b)
#>>>              12 LOAD_CONST               0 (None)
#>>>              15 RETURN_VALUE

注意LOAD_CONST 1 。 1是co_consts的索引：

f.__code__.co_consts
#>>> (None, 257)

所以這些都加載相同的257 。 為什么不出現這種情況：

$ python2
Python 2.7.8 (default, Sep 24 2014, 18:26:21) 
>>> a = 257
>>> b = 257
>>> a is b
False

$ python3
Python 3.4.2 (default, Oct  8 2014, 13:44:52) 
>>> a = 257
>>> b = 257
>>> a is b
False

？

在這種情況下，每一行都是一個單獨的編譯單元，重復數據刪除不能跨越它們。 它的工作原理類似於

compile a = 257
run     a = 257
compile b = 257
run     b = 257
compile a is b
run     a is b

因此，這些代碼對象都將具有唯一的常量緩存。 這意味着如果我們刪除換行符，則is將返回True ：

>>> a = 257; b = 257
>>> a is b
True

事實上，這兩個Python版本都是如此。 事實上，這正是原因所在

>>> a, b = 257, 257
>>> a is b
True

也返回True ; 這不是因為解包的任何屬性; 它們只是放在同一個編譯單元中。

對於未正確折疊的版本，返回False ; 電影或鏈接到Ideone ，顯示2.7.3和3.2.3失敗。 在這些版本中，創建的元組不會與其他常量共享其項目：

import dis

def f():
    a, b = 257, 257
    print(a is b)

print(f.__code__.co_consts)
#>>> (None, 257, (257, 257))

n = f.__code__.co_consts[1]
n1 = f.__code__.co_consts[2][0]
n2 = f.__code__.co_consts[2][1]

print(id(n), id(n1), id(n2))
#>>> (148384292, 148384304, 148384496)

但是，這不是關於如何解開對象的變化; 它只是改變對象在co_consts中的存儲co_consts 。

Answer 2

我認為這實際上是偶然的，因為我不能用Python 3.2重現這種行為。

這個問題http://bugs.python.org/issue11244引入了一個CONST_STACK來修復常量元組的問題，其中負數未被優化（查看peephole.c的補丁，其中包含Python的優化運行）。

這似乎也導致了給定的行為。 還在調查這個:)