python类的派生_Python 的几种实现（派生）

Python 的几种实现(派生)：

重新实现了哪些编程语言，实现的频率怎样，出于什么原因，以及由谁实现？要形容这组语言非常困难。某些与 Python 几乎处同一地位的流行语言 -- 例如 perl、REBOL 和 PHP -- 只有一种实现(编译成许多平台)。TCL 与 Perl/PHP 最为相似，但 确实有一种称为 Jacl 的 Java 平台版本。从另一个极端来看，例如 C、Awk、Cobol、REXX 和 Java 这样的语言，每个都曾经被无数次地实现。但那些再实现是为了许可和营销等考虑，而不是出于实现的概念和抽象问题。似乎有特殊学术意味的那些语言重新实现得很多(特别是函数性、逻辑性或超纯 OOP 语言，例如Smalltalk 和 Eiffel)。Lisp 没有几百个也有几十个实现和派生。

1.CPython：

这是Python的官方版本，使用C语言实现，使用最为广泛，新的语言特性一般也最先出现在这里。

CPython实现会将源文件(py文件)转换成字节码文件(pyc文件)，然后运行在Python虚拟机上。

2.Jython

这是Python的Java实现，相比于CPython，它与Java语言之间的互操作性要远远高于CPython和C语言之间的互操作性。

在Python中可以直接使用Java代码库，这使得使用Python可以方便地为Java程序写测试代码，更进一步，可以在Python中使用Swing等图形库编写GUI程序。

Jython会将Python代码动态编译成Java字节码，然后在JVM上运行转换后的程序，这意味着此时Python程序与Java程序没有区别，只是源代码不一样。

在Python 中写一个类，像使用Java 类一样使用这个类是很容易的事情。

你甚至可以把Jython 脚本静态地编译为Java 字节码。

示例代码：

from java.lang import System

System.out.write('Hello World!\n')

Warsaw ：JPython 是由 Jim Hugunin 发明的，他现在为 Xerox PARC 的 Aspect Oriented Programming 项目工作。我了解 Jim，他可能主要是对挑战感兴趣。Python 领域中有许多人都认为这是不可实现的。Guido 自己就是一个怀疑论者。Jim 证明他们都错了！

IronPython：

IronPython 是一种在 NET 和 Mono 上实现的 Python 语言，由 Jim Hugunin(同时也是 Jython 创造者)所创造。

IronPython is an implementation of the Python programming language for Microsoft .NET and Mono.

4.PyPy：

Python的Python实现版本，原理是这样的，PyPy运行在CPython(或者其它实现)之上，用户程序运行在PyPy之上。它的一个目标是成为Python语言自身的试验场，因为可以很容易地修改PyPy解释器的实现(因为它是使用Python写的)。

5.Vyper

Vyper 是以函数性语言 Ocaml (3.00) 编写的 Python 语言的实现。与其它 Python 实现比较，Vyper 提供了一些(可选的)语言扩展：更强大的范围确定规则和一些新的函数性特性。Vyper 现在不再进行开发，但它以后可能得到增强(请参阅 参考资料获得 Vyper，以及它的源代码。)。我问 Vyper 的创始人 John Max Skaller 有关建造 Vyper 的动机。

6.Stackless：

CPython的一个局限就是每个Python函数调用都会产生一个C函数调用。 这意味着同时产生的函数调用是有限制的，因此Python难以实现用户级的线程库和复杂递归应用。一旦超越这个限制，程序就会崩溃。Stackless的Python实现突破了这个限制，一个C栈帧可以拥有任意数量的Python栈帧。这样你就能够拥有几乎无穷的函数调用，并能支持巨大数量的线程。Stackless唯一的问题就是它要对现有的CPython解释器做重大修改。所以它几乎是一个独立的分支。另一个名为Greenlets的项目也支持微线程。它是一个标准的C扩展，因此不需要对标准Python解释器做任何修改。

PyPy 和 CPython 的性能比较测试

http://www.pythontab.com/html/2013/pythonhexinbiancheng_0221/243.html

简介：

PyPy相比CPython，在我这个简单的数据库操作中，提高了2-3倍的性能。(我这里没有算上SQL解析器，大约8倍)

多亏了PyPy，我的工作更加愉悦了——我没有改写算法就使Python有了效率，而且PyPy没有像CPython一样把我的CPU弄挂了，以至于一段时间内我没法正常的使用我的笔记本了(看看CPU时间占的百分比吧)。

任务几乎都是数据库操作，而CPython有一些加速的乱七八糟的C语言模块。PyPy不使用这些，但结果却更快！

我的全部工作需要大量的周期，所以我真高兴能用PyPy。