Python 的内部工作原理

这是完整的代码文件：代码

1.源代码

当您编写 Python 脚本时，它是人类可读的文本。这个源代码是一切的起点。

您的 Python 源代码以 .py 文件编写，是人类可读的。此代码定义了程序的功能，指定变量、函数、循环等。

2.编译为字节码（编译器）

当你运行Python程序时，第一步是将源代码编译为字节码。这是由 Python 解释器完成的：

• 语法检查：确保没有语法错误。
• 编译：将高级源代码转换为字节码，这是一种较低级别的、与平台无关的表示形式。该字节码通常驻留在 __pycache__ 目录中的 .pyc 文件中。
  • 编译器：Python 使用解释器，但它首先将源代码编译为称为字节码的较低级别形式。
• 标记化：将代码分解为称为标记的小块（如关键字、运算符、标识符）。
• 解析：分析标记以确保它们遵循 Python 的语法规则。
• 控制流图（CFG）：表示程序在执行过程中可能遍历的所有路径。
• 字节码生成：将解析后的令牌转换为字节码，这是Python虚拟机（PVM）的一组指令。

让我们深入探讨一下。

Python 编译器：尽管 Python 被称为解释性语言，但它确实有一个编译步骤。详细内容如下：

标记化：

• 将代码分解为称为标记的小块（如关键字、运算符、标识符）。

1. 源代码：从您编写的代码开始。
2. 分词器 (Lexer)：这会将源代码分解为称为标记的较小部分，例如关键字（for、if）、运算符（、-）、标识符（变量名称）和文字（例如数字或字符串） .
3. 解析：分析标记以确保它们遵循 Python 的语法规则。
4. 语法分析：解析器获取这些标记并根据 Python 的语法规则检查它们。
5. 解析树：从标记构建树结构，表示代码的语法结构。
6. 语义分析：确保代码在数据类型、范围和其他特定于上下文的规则方面有意义。
7. 控制流图（CFG）：表示程序在执行过程中可能遍历的所有路径。
   • 控制流图：表示代码执行过程中可能采取的所有可能路径。
   • 节点和边：每个节点代表一个基本代码块，边代表从一个块到另一个块的控制流。
8. 字节码生成：将解析后的令牌转换为字节码，这是Python虚拟机（PVM）的一组指令。
   • 字节码是源代码的更紧凑、较低级别的表示形式，并针对执行进行了优化。它独立于平台，这意味着它可以在任何具有兼容 PVM 的系统上运行。
   • 字节码：解析后的代码被转换为字节码，一种较低级别的、与平台无关的表示。
   • 指令集：该字节码是Python虚拟机（PVM）可以执行的一组指令。字节码存储在 __pycache__ 目录中的 .pyc 文件中，以加快将来的执行速度。

3.加载字节码（字节码）

编译后，Python 虚拟机加载字节码：

• 从缓存中读取：如果字节码之前已编译且未更改，则从缓存（__pycache__）中读取。这通过跳过编译步骤来加快执行速度。
  • 字节码已加载到内存中，准备执行。然后字节码由 PVM 执行，解释指令以执行程序的任务。

4.由 PVM (PVM) 执行

PVM 现在解释并执行字节码：

• 指令执行：PVM 读取每个字节码指令并执行它。每条指令对应一个特定的操作，例如加载值、执行算术或调用函数。
• 内存管理：管理变量和对象的内存分配和释放。

Python 中的内存管理:

1. 引用计数：Python 跟踪内存中对象的引用数量。当引用计数降至零时，可以回收该对象占用的内存。
2. 对象分配：代码运行时在内存中创建 Python 对象（如整数、字符串、列表）。
3. 垃圾收集：Python 有一个垃圾收集器，它通过释放不再使用的内存（即引用计数为零的对象）来帮助管理内存。
4. 内存池：Python 使用内存池来更有效地分配小对象。这种池化有助于减少频繁分配和释放小块内存的开销。
5. 内存优化：Python 应用各种优化来最小化内存使用，例如：
   • PVM 执行各种运行时优化以提高效率，例如某些实现（如 PyPy）中的即时 (JIT) 编译。
   • 重用小整数和内部字符串。
   • 有效管理数据结构（例如元组、列表、字典）。

示例：

• 字节码缓存：PVM 缓存已编译的字节码，以避免每次都重新编译源代码。这会加快后续运行的速度。
• 常量折叠：这涉及在编译时而不是运行时简化常量表达式。例如，3 * 2 可能会预先计算为 6。

所以，总而言之：PVM 就像一个管弦乐队指挥，无缝地将字节码转换为计算机可以执行的操作。它的美妙之处在于，得益于 PVM，Python 代码是可移植的，无需修改即可在不同平台上运行。

我们如何查看字节码是否生成？

导入Python模块时，Python会将源代码编译为字节码并将其存储在__pycache__目录中。这有助于加快未来的导入速度，避免每次导入时都需要重新编译模块。

流程如下：

• 首次导入：首次导入模块时，Python 会将 .py 文件编译为字节码。
• pycache 目录：字节码存储在 __pycache__ 目录中，名称类似于 module_name.cpython-312.pyc。 # 312 是 Python 版本。
• 后续导入：在后续导入时，Python 会检查 __pycache__ 目录中是否有已编译的字节码，如果源代码未更改，则使用它，从而加快导入过程。

例子：

我们有 byte.py。当我们在执行 byte.py 后从 hello_world.py 导入代码时，我们可以看到该特定文件夹中会有一个目录 __pycache__ ，并且我们可以看到 .pyc 文件：

from hello_world import greet

greet("Byte code")

通过使用 py_compile

py_compile模块，它允许你将Python源文件编译成字节码文件。这是一种加快未来运行脚本执行速度的便捷方法。

在 byte.py 中

import py_compile

py_compile.compile('hello_world.py')

• py_compile 模块将 hello_world.py 编译为字节码。
• 生成的字节码存储在 pycache 目录中，创建一个名为 hello_world.cpython-38.pyc （或类似文件，具体取决于您的 Python 版本）的文件。

生成字节码：

• 执行整个脚本来生成字节码。这意味着任何顶级代码（例如 print("Hello, World!") 和 print("c")）都将在编译过程中运行。

生成的字节码：

• 字节码包含所有函数、类和可执行语句，Python 使用它们来加速未来脚本的导入。

显示模块

Python 中的 dis 模块用于将字节码反汇编成更易读的形式。这可以帮助您了解 Python 代码在幕后的用途。它对于调试或了解 Python 的内部结构特别有用。

• 在internal.py中我们有

from hello_world import greet

greet("Byte code")

输出

import py_compile

py_compile.compile('hello_world.py')

• 程序首先导入 dis 模块，这是一个用于分析 CPython 字节码的强大工具。 CPython 是 Python 的默认实现，字节码是 Python 解释器的中间语言。
• 接下来，我定义了一个名为greet的简单函数。该函数接受参数名称并打印出问候语。尽管函数本身非常简单，但 Python 底层发生的事情比表面上看起来更复杂。
• disassemble_function 函数使用 dis.dis() 来反汇编greet函数。 dis.dis() 将 Python 函数转换为 Python 虚拟机实际执行的低级字节码。这个字节码是Python对greet函数的解释，更接近机器代码。
• 当脚本调用 disassemble_function() 时，控制台输出显示我们的greet 函数的字节码。

这是字节码告诉我们的内容：

• LOAD_GLOBAL(0)：此操作码用于加载全局变量，在本例中是打印函数。
• LOAD_CONST(1)：这会将常量值“Hello,”加载到堆栈上。
• LOAD_FAST(0)：此操作码将局部变量名称加载到堆栈上。
• FORMAT_VALUE(0)：这会格式化我们的名称字符串，准备将其插入到即将构建的字符串中。
• BUILD_STRING(2)：这采用堆栈上的前两个值（“Hello，”和名称）并构建最终字符串。
• CALL_FUNCTION(1)：这一行调用函数（我们加载到堆栈上的全局打印函数），参数计数位于括号中（我们有一个参数，即我们的格式化字符串）。
• POP_TOP：这会删除堆栈顶部（上一次调用的结果，因为 print 返回 None）。
• LOAD_CONST(0)：不加载。
• RETURN_VALUE：这是greet函数的返回值，由于没有明确的return语句，因此为None。
• 本质上，字节码显示了Python执行我们的greet函数时执行的各个操作。理解这些指令对于开发人员理解 Python 如何执行代码、优化函数和管理资源至关重要 - 当我们运行 Python 代码时，所有这些都在幕后无缝地发生。

这不是一次令人愉快地深入 Python 机房的经历吗？继续编码并继续探索该语言引擎室的深度？！

以上是Python 的内部工作原理的详细内容。更多信息请关注PHP中文网其他相关文章！