"Python学习开发",一个值得加星标
的公众号。
正文共:12920 字 7 图
预计阅读时间: 33 分钟
来源:https://realpython.com/cpython-source-code-guide,
译者:陈祥安
就如同题目一样,这篇文章就是教你了解Cpython的一篇文章。因为内容太长了打算先分开写,后期看看再合并。
前言
这篇文章很长但是很有用,如果你决定要学习 Cpython,那么希望你能看下去,你会发现这是一份不错的学习资料。
第一部分 介绍 Cpython
我们平时说的 Python,其实大多都是指的 Cpython,CPython 是众多 Python 中的一种,除此之外还有 Pypy,Jpython 等。CPython 同样的作为官方使用的 Python 版本,以及网上的众多案例。所以,这里我们主要说的是 Cpython。
源代码中有什么?
CPython 源代码分发包含各种工具,库和组件。我们将在本文中探讨这些内容。
git clone https://github.com/python/cpython
cd cpython
git checkout v3.8.0b3 #切换我们需要的分支
注意:如果你没有 Git,可以直接从 GitHub 网站下载 ZIP 文件中的源代码。
cpython/
│
├── Doc ← 源代码文档说明
├── Grammar ← 计算机可读的语言定义
├── Include ← C 语言头文件(头文件中一般放一些重复使用的代码)
├── Lib ← Python 写的标准库文件
├── Mac ← Mac 支持的文件
├── Misc ← 杂项
├── Modules ← C 写的标准库文件
├── Objects ← 核心类型和对象模块
├── Parser ← Python 解析器源码
├── PC ← Windows 编译支持的文件
├── PCbuild ← 老版本的 Windows 系统 编译支持的文件
├── Programs ← Python 可执行文件和其他二进制文件的源代码
├── Python ← CPython 解析器源码
└── Tools ← 用于构建或扩展 Python 的独立工具
接下来,我们将从源代码中编译 CPython。
在 macOS 上编译 CPython 非常简单。在终端内,运行以下命令即可安装 C 编译器和工具包:
$ xcode-select --install
此命令将弹出一个提示,下载并安装一组工具,包括 Git,Make 和 GNU C 编译器。
$ brew install openssl xz zlib
现在你已拥有依赖项,你可以运行 Cpython 目录下的 configure 脚本:
$ CPPFLAGS="-I$(brew --prefix zlib)/include" \
LDFLAGS="-L$(brew --prefix zlib)/lib" \
./configure --with-openssl=$(brew --prefix openssl) --with-pydebug
上面的安装命令中,CPPFLAGS
是 c 和 c++ 编译器的选项,这里指定了 zlib 头文件的位置,LDFLAGS
是 gcc 等编译器会用到的一些优化参数,这里是指定了 zlib 库文件的位置,(brew --prefix openssl)
这一部分的意思是在终端里执行括号里的命令,显示 openssl
的安装路径,可以事先执行括号里的命令,用返回的结果替换 (brew --prefix openssl)
,效果是一样的,每一行行尾的反斜杠可以使换行时先不执行命令,而是把这三行内容当作一条命令执行。
运行完上面命令以后在存储库的根目录中会生成一个 Makefile,你可以使用它来自动化构建过程。./configure
步骤只需要运行一次。
$ make -j2 -s
-j2 标志允许 make 同时运行 2 个作业。如果你有 4 个内核,则可以将其更改为 4. -s 标志会阻止 Makefile 将其运行的每个命令打印到控制台。你可以删除它,输出的东西太多了。在构建期间,你可能会收到一些错误,在摘要中,它会通知你并非所有包都可以构建。
$ ./python.exe
Python 3.8.0b3 (tags/v3.8.0b3:4336222407, Aug 21 2019, 10:00:03)
[Clang 10.0.1 (clang-1001.0.46.4)] on darwin
Type "help", "copyright", "credits" or "license" for more information.
>>>
(其实最新的已经到 Python3.9 了,我编译了一下效果如下)
![640?wx_fmt=jpeg](https://i-blog.csdnimg.cn/blog_migrate/0f240f06509de51aceb3b93f85c6363d.jpeg)
编译器做了什么?
编译器的目的就是将一种语言转为另外一种语言。可以把编译的过程比作翻译,把英语里的“Hello”,翻译成中文的「你好」。
一些编译器将代码编译成只有机器看懂的机器代码,可以直接在系统上进行执行。其他编译器将编译成中间语言,由虚拟机执行。
Python 代码不会编译成机器代码。
为什么 CPython 是用 C 而不是 Python 编写的?
CPython 中的 C 是对 C 编程语言的引用,暗示这个 Python 发行版是用 C 语言编写的。
那么为什么 CPython 是用 C 而不是 Python 编写的?
答案就在于编译器的工作原理。
自托管编译器
是用它们编译的语言编写的编译器,例如 Go 编译器。源到源编译器
是用另一种已经有编译器的语言编写的编译器。
CPython 保留了它的 C 的特性:许多标准库模块(如 ssl 模块或 sockets 模块)都是用 C 语言编写的,用于访问低级操作系统 API。
还有一个就是 Jython。Jython 是用 Java 编写的,从 Python 源代码编译成 Java 字节码。与 CPython 可以轻松导入 C 库并从 Python 中使用它们一样,Jython 使得导入和引用 Java 模块和类变得容易。
Python 语言规范
CPython 源代码中包含的是 Python 语言的定义。这是所有 Python 解释器使用的参考规范。该规范采用人类可读和机器可读的格式。文档内部详细说明了 Python 语言,允许的内容以及每个语句的行为方式。
文档
位于Doc/reference
目录内的是reStructuredText
文件解释了 Python 语言中每个功能属性。这构成了docs.python.org
上的官方 Python 参考指南。
cpython/Doc/reference
|
├── compound_stmts.rst
├── datamodel.rst
├── executionmodel.rst
├── expressions.rst
├── grammar.rst
├── import.rst
├── index.rst
├── introduction.rst
├── lexical_analysis.rst
├── simple_stmts.rst
└── toplevel_components.rst
在compound_stmts.rst
文件中,你可以看到一个定义 with 语句的简单示例。with 语句可以在 Python 中以多种方式使用,最简单的是上下文管理器的实例化和嵌套的代码块:
with x():
...
你可以使用 as 进行重命名
with x() as y:
...
你还可以链式的同时定义多个
with x() as y, z() as jk:
...
接下来,我们将探索 Python 语言的计算机可读文档。
Grammar
该文档包含人类可读规范和存放在单个文件Grammar/Grammar
中的机器可读规范。Noam Chomsky’s work on Syntactic Structures
中受到启发的。
*重复
+至少重复一次
[]为可选部分
|任选一个
()用于分组
.. productionlist::
with_stmt: "with" `with_item` ("," `with_item`)* ":" `suite`
with_item: `expression` ["as" `target`]
引号中的内容都是字符串,这是一中关键字的定义方式。所以 with_stmt 指定为:with
单词开头test
和(可选)as 表达式。:
结尾
suite
是指具有一个或多个语句的代码块。test
是指一个被评估的简单语句。expr
指的是一个简单的表达式
如果你想看一个最近如何使用语法的例子,例如在 PEP572 中,:=
运算符被添加到语法文件中。
ATEQUAL '@='
RARROW '->'
ELLIPSIS '...'
+ COLONEQUAL ':='
OP
ERRORTOKEN
使用 pgen
Grammar 文件本身不会被 Python 编译器使用。
注意:pgen 应用程序在 Python 3.8 中从 C 重写为纯 Python。
为了查看 pgen 的运行情况,让我们改变 Python 语法的一部分。并重新编译运行 Python。pass_stmt
,然后看到下面这样
pass_stmt: 'pass'
我们修改一下,改为下面这样
pass_stmt: 'pass' | 'proceed'
在 Cpython 的根目录使用make regen-grammar
命令来运行pgen
重新编译 Grammar 文件。Include/graminit.h
和Python/graminit.c
文件:
# Regenerate Include/graminit.h and Python/graminit.c
# from Grammar/Grammar using pgen
PYTHONPATH=. python3 -m Parser.pgen ./Grammar/Grammar \
./Grammar/Tokens \
./Include/graminit.h.new \
./Python/graminit.c.new
python3 ./Tools/scripts/update_file.py ./Include/graminit.h ./Include/graminit.h.new
python3 ./Tools/scripts/update_file.py ./Python/graminit.c ./Python/graminit.c.new
使用重新生成的解析器表,需要重新编译 CPython 才能查看新语法。使用之前用于操作系统的相同编译步骤。
make -j4 -s
如果代码编译成功,执行新的 CPython 二进制文件并启动 REPL。
./python.exe
在 REPL 中,现在可以尝试定义一个函数,使用编译为 Python 语法的 proceed 关键字替代 pass 语句。
Python 3.8.0b3 (tags/v3.8.0b3:4336222407, Aug 21 2019, 10:00:03)
[Clang 10.0.1 (clang-1001.0.46.4)] on darwin
Type "help", "copyright", "credits" or "license" for more information.
>>> def example():
... proceed
...
>>> example()
下面是我运行结果,很有意思居然没有出错。
![640?wx_fmt=jpeg](https://i-blog.csdnimg.cn/blog_migrate/49e0b2c05cb5456d72725b6f62f4e096.jpeg)
Tokens
与 Grammar 文件夹中的语法文件一起是一个 Tokens 文件,它包含在解析树中作为叶节点找到的每个唯一类型,稍后我们将深入介绍解析器树。每个 token 还具有名称和生成的唯一 ID,这些名称用于简化在 tokenizer 中引用。
注意:Tokens 文件是 Python 3.8 中的一项新功能。
例如,左括号称为 LPAR,分号称为 SEMI。
LPAR '('
RPAR ')'
LSQB '['
RSQB ']'
COLON ':'
COMMA ','
SEMI ';'
与语法文件一样,如果更改 Tokens 文件,则需要再次运行 pgen。
# Hello world!
def my_function():
proceed
然后通过名为 tokenize 的标准库中内置的模块传递此文件。你将按行和字符查看令牌列表。使用-e 标志输出确切的令牌名称:
0,0-0,0: ENCODING 'utf-8'
1,0-1,14: COMMENT '# Hello world!'
1,14-1,15: NL '\n'
2,0-2,3: NAME 'def'
2,4-2,15: NAME 'my_function'
2,15-2,16: LPAR '('
2,16-2,17: RPAR ')'
2,17-2,18: COLON ':'
2,18-2,19: NEWLINE '\n'
3,0-3,3: INDENT ' '
3,3-3,7: NAME 'proceed'
3,7-3,8: NEWLINE '\n'
4,0-4,0: DEDENT ''
4,0-4,0: ENDMARKER ''
![640?wx_fmt=jpeg](https://i-blog.csdnimg.cn/blog_migrate/76bab46b48852a7de548b0fb314d8126.jpeg)
Lib/tokenize.py
中。
重要提示:CPython 源代码中有两个 tokenizers:一个用 Python 编写,上面演示的这个,另一个是用 C 语言编写的。用 Python 编写的被用作实用程序,而用 C 编写的被用于 Python 编译器。但是,它们具有相同的输出和行为。用 C 语言编写的版本是为性能而设计的,Python 中的模块是为调试而设计的。
要查看 C 语言的的 tokenizer 的详细内容,可以使用-d 标志运行 Python。
./python.exe -d test_tokens.py
得到如下结果
Token NAME/'def' ... It's a keyword
DFA 'file_input', state 0: Push 'stmt'
DFA 'stmt', state 0: Push 'compound_stmt'
DFA 'compound_stmt', state 0: Push 'funcdef'
DFA 'funcdef', state 0: Shift.
Token NAME/'my_function' ... It's a token we know
DFA 'funcdef', state 1: Shift.
Token LPAR/'(' ... It's a token we know
DFA 'funcdef', state 2: Push 'parameters'
DFA 'parameters', state 0: Shift.
Token RPAR/')' ... It's a token we know
DFA 'parameters', state 1: Shift.
DFA 'parameters', state 2: Direct pop.
Token COLON/':' ... It's a token we know
DFA 'funcdef', state 3: Shift.
Token NEWLINE/'' ... It's a token we know
DFA 'funcdef', state 5: [switch func_body_suite to suite] Push 'suite'
DFA 'suite', state 0: Shift.
Token INDENT/'' ... It's a token we know
DFA 'suite', state 1: Shift.
Token NAME/'proceed' ... It's a keyword
DFA 'suite', state 3: Push 'stmt'
...
ACCEPT.
在输出中,您可以看到它突出显示为关键字。在下一章中,我们将看到如何执行 Python 二进制文件到达 tokenizer 以及从那里执行代码会发生什么。现在您已经概述了 Python 语法以及 tokens 和语句之间的关系,有一种方法可以将 pgen 输出转换为交互式图形。
看不清没关系,用于生成此图的 Python 包(instaviz)将在后面的章节中介绍。这里先做了解。
Python 中的内存管理
在本文中,你将看到对 PyArena 对象的引用。
arena
是 CPython 的内存管理结构之一。代码在Python/pyarena.c
中其中包含了 C 的内存分配和解除分配的方法。
在编写的 C 程序中,开发人员应在写入数据之前为数据结构分配内存。此分配将内存标记为属于操作系统的进程。当不再使用已分配的内存并将其返回到操作系统的可用内存块表时,开发人员也可以解除分配或“释放”它们。如果进程为一个变量分配内存,比如在函数或循环中,当该函数完成时,内存不会自动返回给 C 中的操作系统。因此,如果它未在 C 代码中显式释放,则会导致内存泄漏。每次该函数运行时,该过程将继续占用更多内存,直到最终,系统耗尽内存并崩溃!Python 将这一责任从程序员手中夺走,并使用两种算法:引用计数器和垃圾收集器。每当解释器被实例化时,PyArena
方法创建并附加解释器中的一块内存区域。在 CPython 解释器的生命周期中,arenas
可以被分配。它们与链表相关联。
arenas
将 Python 对象的指针列表存储为PyListObject
方法。每当创建一个新的 Python 对象时,都会使用PyArena_AddPyObject
方法添加指向它的指针。arenas
列表 a_objects 中。PyArena
方法提供第二个功能,即分配和引用原始内存块列表。例如,如果添加了数千个附加值,C 代码中PyList
将需要额外的内存。但是PyList
不直接分配内存。该对象通过从PyObject
调用具有所需内存大小的PyArena_Malloc
从PyArena
获取原始内存块。此任务在Objects/oballoc.c
中的完成。在对象分配模块中,可以为 Python 对象分配,释放和重新分配内存。已分配块的链接列表存储在arenas
内,因此当解释器停止时,可以使用PyArena_Free
一次解除所有托管内存块的释放。
以PyListObject
为例,如果你使用.append()
一将个对象放到 Python 列表的末尾,就不需要重新分配内存了,而是使用现有列表中内存。.append()
方法调用list_resize()
来处理列表的内存分配。每个列表对象都保留已分配内存量的列表。如果要追加的项目将适合现有的可用内存,则只需添加即可。如果列表需要更多内存空间,则会进行扩展。列表的长度扩展为 0,4,8,16,25,35,46,58,72,88。
调用PyMem_Realloc
可以扩展列表中分配的内存。PyMem_Realloc
是pymalloc_realloc
的 API 包装器。Python 还有一个 C 调用malloc
的特殊包装器,它设置内存分配的最大大小以帮助防止缓冲区溢出错误(参见 PyMem_RawMalloc)。
原始内存块的分配是通过
PyMem_RawAlloc
完成的。Python 对象的指针存储在
PyArena
中。PyArena
还存储了已分配内存块的链表。
引用计数
要在 Python 中创建变量并赋值,变量名必须为一。
my_variable = 180392
只要在 Python 中为变量赋值,就会在 locals 和 globals 范围内检查变量的名称,以查看它是否已存在。因为 my_variable 不在 locals()或 globals()字典中,所以创建了这个新对象,并将该值指定为数字常量 180392。现在有一个对 my_variable 的引用,因此 my_variable 的引用计数器增加 1。Py_INCREF
和Py_DECREF
。ceval.c
文件中。我们将在本文后面详细介绍。
每当调用Py_DECREF
并且计数器变为 0 时,就会调用PyObject_Free
函数。对于该对象,会为所有已分配的内存调用PyArena_Free
。
垃圾收集
CPython 的垃圾收集器默认启用,发生在后台,用于释放已不再使用的对象的内存。arena
和垃圾收集器 gc 模块连接。
>>> import gc
>>> gc.set_debug(gc.DEBUG_STATS)
这将在运行垃圾收集器时打印统计信息。get_threshold
来获取运行垃圾收集器的阈值:
>>> gc.get_threshold()
(700, 10, 10)
还可以获取当前阈值计数:
>>> gc.get_count()
(688, 1, 1)
最后,你可以手动运行收集算法:
>>> gc.collect()
24
这将调用Modules/gcmodule.c
文件中的collect()
,该文件包含垃圾收集器算法的实现。
结论
在第 1 部分中,我们介绍了源代码库的结构,如何从源代码编译以及 Python 语言规范。
-后续-
推荐阅读
添加微信[italocxa].回复:加群,加入Python交流群