Python id()函数返回值的约束条件及跨平台可预测等效系统函数咨询

Great question—let's unpack this thoroughly, since the official docs do leave some gaps around real-world behavior.

一、id()函数的官方约束与未明确的细节 #

First, let's recap what the official docs do state, to ground us:

返回对象的“标识”。该标识是一个整数，保证在对象的生命周期内唯一且恒定。生命周期不重叠的两个对象可能具有相同的id()值。CPython实现细节：该值是对象在内存中的地址。

Now, the unstated constraints and behaviors you're curious about:

• 无整数取值范围限定：Python标准没有规定id()返回值的大小范围，这完全依赖于底层操作系统和Python实现（比如CPython vs PyPy，不过PyPy的id()逻辑和CPython不同，它不是直接返回内存地址）。
• 跨架构/系统的差异：
  • 32位系统：id()返回的是32位整数，最大值通常是0xFFFFFFFF（约4GB地址空间）；64位系统则是64位整数，地址空间上限大得多。
  • 不同OS的内存布局差异：Windows、Linux、macOS的虚拟内存管理机制不同，比如内核空间和用户空间的划分比例、默认内存分配区域都不一样。这意味着id()返回的地址范围会因OS而异，而且内核空间的虚拟地址永远不会被id()返回——因为Python运行在用户态，无法直接访问内核内存。
• 重复id的场景：如文档所说，当一个对象被垃圾回收后，新创建的对象可能复用之前的内存地址，所以会出现相同的id()值。

二、可预测的等效操作系统工具/函数 #

Since CPython's id() maps directly to an object's virtual memory address, you can use OS-specific tools or system calls to work with the same address space:

Linux & macOS #

• 查看进程内存布局：使用pmap <PID>命令（替换<PID>为Python进程的ID），会列出进程的所有内存区域，包括Python对象所在的用户态区域。你也可以读取/proc/<PID>/maps文件（Linux）或vmmap命令（macOS）来获取更详细的内存映射信息。
• 底层内存分配调用：Python的内存分配底层依赖C标准库的malloc，而malloc在Linux/macOS上通常会调用brk（调整堆大小）或mmap（分配匿名内存区域）系统调用。这些调用返回的地址就是id()对应的范围。
• C扩展中直接取地址：如果你写C扩展，可以直接用&运算符获取Python对象的地址，这个值和id()返回的整数完全一致。

Windows #

• 查看进程内存：使用Process Explorer或Task Manager的“详细信息”面板（右键选择“内存”相关选项），可以查看Python进程的虚拟内存分布。
• 系统级内存分配函数：Windows上Python的内存分配依赖VirtualAlloc系统调用，它负责分配用户态的虚拟内存区域，返回的指针地址就是id()对应的整数值。
• C扩展中取地址：和Linux/macOS一样，在C扩展里用&取PyObject的地址，和id()结果一致。

需要注意的是，这些工具和函数都是针对CPython的——如果用的是其他Python实现（比如PyPy），id()并不对应内存地址，这些方法就不适用了。

内容的提问来源于stack exchange，提问作者Gulzar