La documentación es bastante clara.
Para responder directamente a tu pregunta:
¿Que es eso de tabla de cadenas internas?
Es una colección de cadenas manejada tras bambalinas por python. En esta colección, todas las cadenas existen una única vez y cuando llamas a intern()
con una cadena que ya existe, en lugar de crear una nueva cadena, te devuelve la referencia a la cadena ya existente.
Podemos imaginar que esto está implementado como una lista ordenada alfabéticamente, de manera que determinar si una cadena existe para insertar un nuevo registro se pueda hacer muy rápidamente.
Por otro lado, python va a internalizar cadenas que sean cortas (o no tanto) de manera automática.
En la documentación de sys.intern
podemos leer:
Ingresa string en la tabla de cadenas de caracteres «internadas» y retorna la cadena de caracteres interna, que es string en sí misma o una copia. Internar cadenas de caracteres es útil para obtener un poco de rendimiento en la búsqueda de diccionario: si las claves en un diccionario están internadas y la clave de búsqueda está interna, las comparaciones de claves (después del hash) se pueden realizar mediante una comparación de punteros en lugar de una comparación de cadenas. Normalmente, los nombres utilizados en los programas de Python se internan automáticamente, y los diccionarios utilizados para contener los atributos de módulo, clase o instancia tienen claves internas.
Las cadenas de caracteres internas no son inmortales; debe mantener una referencia al valor de retorno de intern() para beneficiarse de él.
Puedes valerte de la función id()
para obtener la dirección de memoria de una variable, entonces, puedes ver el funcionamiento de esto con algo como:
import sys
a = "Dato"
b = "Dato"
c = "Dato de cadena un poco más largo que será internado en versiones modernas de python pero no en otras más antiguas"
d = "Dato de cadena un poco más largo que será internado en versiones modernas de python pero no en otras más antiguas"
e = sys.intern("Dato de cadena un poco más largo que siempre será internado tanto en versiones modernas de python como en otras más antiguas")
f = sys.intern("Dato de cadena un poco más largo que siempre será internado tanto en versiones modernas de python como en otras más antiguas")
print("Dirección de a ", id(a))
print("Dirección de b ", id(b))
print("a is b ", a is b)
print("Dirección de c ", id(c))
print("Dirección de d ", id(d))
print("c is d ", c is d)
print("Dirección de e ", id(e))
print("Dirección de f ", id(f))
print("e is f ", e is f)
Cuando pruebo con python 3.9, obtengo esta salida:
Dirección de a 139810578508016
Dirección de b 139810578508016
a is b True
Dirección de c 139810578600560
Dirección de d 139810578600560
c is d True
Dirección de e 139810579126320
Dirección de f 139810579126320
e is f True
Como puedes ver, todas las cadenas han sido internadas (incluso las que no tienen una llamada explícita a intern()
).
La principal ventaja de esto, es que al hacer una comparación de igualdad, tal como if (a==b)
, en lugar de tener que comparar caracter por caracter, simplemente se compara la dirección de memoria de ambas variables (una comparación de punteros), lo cual resulta en una ejecución más eficiente (aunque la diferencia en tiempo es imperceptible en CPU's modernos).
En versiones anteriores de python, las variables c
y d
podrían residir en direcciones de memoria distintas, así que una comparación de igualdad obligará a realizar una comparación caracter por caracter.