python是一门动态解释型语言。为了理解"动态"和"解释"，前几天都在看《Python源码剖析》，以下是自己的一些总结。
先说解释，除开py2exe等不说（因为我不了解），python脚本需要交由python虚拟机去解释执行，当然大家都知道里面还有一个编译的过程，python虚拟机解释的只是编译后的字节码，而源代码的解释工作由python的编译模块完成。那么字节码是怎么解释执行的呢？我以为会很优雅，但实际上只是一个很长的switch-case，有1711行那么长（Python-2.7.5，参见ceval.c）。python虚拟机简单模拟了x86的堆栈模型，我当初认为她只是设置函数调用时堆栈的参数，然后通过内联汇编直接调用函数。也搞不懂当时是怎么陷入这种思维的了，可能是认为这样速度更快吧。但实际上不是的，那一段switch-case是真当自己是cpu了，对每一个指令执行固定的操作，执行的环境就是堆栈。例如：
def func(arg): print("hello world %s" % arg) if __name__ == '__main__': func('.')
如果说每个函数都有一个属于自己的栈帧，那么在进入print的时候，python虚拟机总共创建了3个栈帧。但可惜，这并不是c代码，而是python代码，想一下，最底层，也就是print函数内所执行的操作实现上是用c编写的，再细想，其实创建栈帧，在栈帧中传递参数也是一个个用c编写好的函数，所以这里实际上真正栈帧的数量比3要大得多。python表面上的3次函数调用实际上会转换成多个c函数调用，这就是解释型语言慢的一大原因了。
print最后是怎么执行的呢？恩，有一个字节码叫PRINT_ITEM，然后就会调用python内置的打印函数。那func又是如何调用的呢？恩，有一个字节码叫CALL_FUNCTION，专门对付非内置的python函数。必须说明的是，非内置函数分为两种：c函数和python函数，前者在python内部都被封装成PyCFunctionObject（对象类型是PyCFunction_Type），后者被封装成PyFunctionObject（对象类型是PyFunction_Type），可以想象在CALL_FUNCTION中，前者最后会调用一个c函数，而后者不过是开始新一轮的字节码执行罢了。那怎么结束呢？没关系，有表示控制流的字节码，例如RETURN_VALUE。
然后来说动态。所谓动态是什么呢？我的理解是程序运行时能知道对象的类型，也只有在运行时才能知道对象的类型。例如上面的func函数，arg是什么定义类型的，会传入什么样的参数程序（在func函数的作用域内）一无所知。但是，参数一旦传入，程序能通过参数来找到参数对应的类型，从而判断能否进行print操作。那么，对象本身必须包含对应的类型信息（以下称元信息），源代码实现是这样的：
typedef struct _typeobject { PyObject_VAR_HEAD const char *tp_name; /* For printing, in format "<module>.<name>" */ Py_ssize_t tp_basicsize, tp_itemsize; /* For allocation */ /* Methods to implement standard operations */ ... } PyTypeObject; #define PyObject_HEAD \ _PyObject_HEAD_EXTRA \ Py_ssize_t ob_refcnt; \ struct _typeobject *ob_type; typedef struct _object { PyObject_HEAD } PyObject;
首先，‘对象’在python内部的表示就是PyObject结构类型（或者说所有对象的基类都是PyObject），而‘对象元信息‘的表示为PyTypeObject结构类型。可以看到PyObject内有指向PyTypeObject的指针ob_type，在对象建立之前，对象元信息必然已经存在（不然怎么知道那个对象需要多大的内在空间呢），当对象创建时，就会把元信息结构体的地址赋值给ob_type。恩，“必然已经存在”，怎么个必然法啊？内置对象当然简单，毕竟已经用c写在代码里了。但如果是用户自定义的呢？当然是从编译完的字节码里来啊。好厉害呢，编译完内存里就有这个对象的存在了。别傻了，编译完只会得到一堆字节码罢了。无论是'对象'，还是'对象元信息'都是c结构体，最终这些结构体都要以传统的二进制存放在内存里。传统的c程序是放在代码段，但现在我们只能放在堆区了。所以，应该想的是，字节码的运行过程中是怎样得到对象的元信息。
这里暂停一下，自定义对象是包括函数的，别忘了一切都是对象。函数不像普通的类有基类、数据属性、函数属性等东西，所以函数对象和类对象是分开的表示。而在python的实现中，创建一个函数和创建一个普通的类是不同的操作。创建函数对应的字节码是MAKE_FUNCTION，创建的是一个PyFunctionObject对象，而它的对象元信息也是写死的PyFunction_Type，注意这是一个结构体，而不是一个结构体类型。创建的过程基本上就是把那一个函数编译得到的字节码对象（是的，字节码在内部也被封装成一个对象）的地址赋值给PyFunction_Type里的func_code罢了。好吧，创建了之后函数对象还能放在栈上吗？不行，因为栈的空间是会被复用的，所以必须把放到另外的地方。那个地方叫运行时栈上（Python源码剖析是这么叫的），存放的是map类型的信息（python叫dict类型），例如上而的func创建之后在运行时栈就会有一个映射["func" : <func obj>]。以后就可以通过"func"这个字符串来找到对应的函数对象了。
而创建一个类就不是那么简单了。例如：
class A: name = "Class A" def ChangeName(self, new_name): self.name = new_name def PrintName(self): print("self.name: %s, class.name: %s" % (self.name, A.name))
就结果而言，当得到类A的元信息后，运行时栈会有一个映射["A" : <class_A>]，其中class_A对应的类型依然是PyTypeObject。class_A中会包含一个dict（就是PyTypeObject里的tp_dict），"name", "ChangeName", "PrintName"会映射到相应的对象上。class_A也会包含用于创建实例的方法，创建实例最主要就是分配内存，那么，要分配多大的内存呢？或者说占用内存的是什么？是属于实例自身属性，也就是也以'self.'开头的变量。属于类的全局属性包含在一个dict里，和这种方法类似，属于实例的属性也包含在一个dict里面，所以无论是怎样的自定义类型，一个指针的大小就够了。当然，指针指向的空间在用到的时候也是要分配的，python使用的策略是在第一次用到的时候才真正分配，也就是类似：
if (dict == NULL) dict = PyDict_New(); PyDict_SetItem(dict, name, value);
现在转过头去，稍微看一下class_A是怎样得到的。其实也是字节码运行的结果，所以逐行代码分析的话不如看代码或者《Python源码剖析》。大致流程是：
1. MAKE_FUNCTION，把'class A:'对应的字节码组织成一个func obj；
2. CALL_FUNCTION，执行上面的func obj，执行完后，运行时栈从栈顶开始依次是类A名字、基类列表及属性映射列表。
3. BUILD_CLASS，将上面所说的三样东西传递给build_class，将会生成一个A对应的PyTypeObject，也就是class_A，其中最关键的函数是type_new，可以想象，这里面涉及到为class_A分配内存，设置各个字段的值，例如将属性映射表放到tp_dict里之类的；
4. STORE_NAME，将"A"和class_A建立映射。
断断续续写了两三天，写得可能也不够清楚明了，如有疑问不妨自己去看一下《Python源码剖析》，毕竟我也只是挑了自己感兴趣的部分看了一下（并且对看不懂的作了自动性过滤:))。大家中秋节快乐。
posted on
