首页 > Python资料 博客日记
CPython是最常用的Python解释器之一,也是Python官方实现。它是用C语言编写的,旨在提供一个高效且易于使用的Python解释器。
2024-11-06 06:00:06Python资料围观48次
以下是CPython的一些特点和功能:
-
语言兼容性:CPython兼容Python的标准语法和语义,因此与其他Python实现的代码可以无缝地在CPython上运行。
-
C扩展支持:CPython允许使用C语言编写扩展模块,这些模块可以通过Python的标准C API与CPython解释器进行交互。这使得CPython可以利用C语言的高性能和底层操作能力。
-
标准库:CPython附带了一个丰富的标准库,提供了许多用于处理文件、网络、数据库、图形界面等常见任务的模块和功能。
-
全局解释锁(GIL):CPython的一个特点是全局解释锁(GIL),它是一种线程同步机制,确保在同一时刻只有一个线程执行Python字节码。这可以简化解释器的设计,并提供线程安全的执行环境,但也限制了CPython在多核处理器上的并行性能。
-
调试器支持:CPython提供了内置的调试器,可以帮助开发人员诊断和修复代码中的错误。
-
跨平台支持:CPython可以在多个操作系统上运行,包括Windows、macOS和Linux等。
需要注意的是,虽然CPython是最常用的Python解释器,但也有其他Python实现,如Jython(使用Java实现)和IronPython(使用.NET实现)。这些实现有自己的特点和用途,可以根据项目需求选择合适的解释器。
Python虽然是一种解释型语言,但在CPython实现中,它也是有编译过程的。Python代码不是编译成机器码,也不是直接在解释器中运行,而是先被编译为字节码,之后在CPython的解释器中运行。有时运行后的Python项目会出现一些.pyc后缀的文件,这就是为了加快运行而缓存下来的字节码文件。这些字节码文件的作用就是重用,在下一次运行时可以直接运行字节码文件,节省了从python源代码到字节码的过程。pyc文件中包含了生成时间和解释器版本,当源代码被修改后,运行pyc文件时就会检测出来其已经过期,重新执行字节码的生成。
相比于C和C++这种需要手动控制内存申请与释放的语言,python将这一过程隐藏了,并使用引用计数和垃圾回收进行自动内存管理。
每当在python中声明一个新变量时,就会为该变量维护一个引用计数。引用计数的初始值是1,当变量超出作用域时,例如函数返回或代码块结束,引用计数递减。当该计数变为0时,就会触发PyObject_Free()
释放该对象。
垃圾回收不是立即发生的,要释放不再使用的对象的内存也是具有开销的,通常在经过一定数量操作后垃圾回收才会启动。python提供了一个gc
标准库,可以查看垃圾回收的状态和手动触发垃圾回收。
https://github.com/python/cpython
CPython执行过程
从Python源代码到其在CPU运行需要经历诸多过程:
1.建立运行时配置
在执行任何python代码之前,运行时首先建立配置。该配置位于Include/cpython/initconfig.h中
包括:
- 各种模式(如debug)的flag
- 执行模式,如传递文件名执行或者-m 执行模块
- 扩展选项,通过 -X
- 环境变量
该配置数据用于运行时启用或禁用某些功能
2.读取文件或输入
python有多种调用python
执行的方式:
- 使用python -c “code”执行单行code
- 使用python -m module执行模块
- 使用python filepath执行文件
- 使用python交互式窗口(REPL)
- ......
3.词法分析和语法分析
在Grammar目录中定义了Python语法和token表,据此生成的语法表将指导解析器把源代码转换为一个CST。
4.抽象语法树生成
将解析器生成的 CST 转换为可以执行的更合乎逻辑的东西。该结构是代码的更高级别的表示形式,称为抽象语法树 (AST)。
5.编译
现在解释器有一个 AST,其中包含每个操作、函数、类所需的属性。编译器的工作是将 AST 转换为 CPU 可以理解的东西。
此编译任务分为两部分:
- 遍历树并创建一个控制流图,该图表示执行的逻辑序列
- 将控制流图中的节点转换为较小的可执行语句,称为字节码
最终生成code object
6.执行
从pyc文件中读取code object或将内存中code object传递给执行组件。每个字节码操作被封装为堆栈帧来执行,具体内容可以参考:您的CPython源代码指南 - 真正的Python (realpython.com)
CPython中的对象
Python中一切皆对象,内置了许多基本类型,如int、str、list、tuple、dict等。所有类都继承了object这个基类。
在C实现中,该类为PyObject,定义如下
struct _object {
_PyObject_HEAD_EXTRA #双向链表节点,将所有活动的堆对象串起来
union {
Py_ssize_t ob_refcnt;
#if SIZEOF_VOID_P > 4
PY_UINT32_T ob_refcnt_split[2]; # 引用计数
#endif
};
PyTypeObject *ob_type; # 类型
};
PyObject使用PyTypeObject作为类型标识,通过该成员来表现出对不同类对象的函数调用的效果,也就是多态。
在Python中常有一些魔术方法,如__getattr__
,__new__
,__del__
等,这些魔术方法在类或对象的某些事件触发后会自动执行,其实现也在PyObject中。
如
PyObject_GetAttr() ;
PyObject_SetAttr();
PyObject_Repr();
......
不同类的魔术方法实现可能不同,因此PyTypeObject中维护了成员函数,例如
destructor tp_dealloc;
Py_ssize_t tp_vectorcall_offset;
getattrfunc tp_getattr;
setattrfunc tp_setattr;
此外类被分为三种,数字类如int、float,序列类如list、tuple,映射类如dict
PyNumberMethods *tp_as_number;
PySequenceMethods *tp_as_sequence;
PyMappingMethods *tp_as_mapping;
对于数字类,具有加法、减法、乘法、除法、取模等计算,因此PyNumberMethods具有一些数学操作的函数列表
typedef struct {
binaryfunc nb_add;
binaryfunc nb_subtract;
binaryfunc nb_multiply;
binaryfunc nb_remainder;
binaryfunc nb_divmod;
ternaryfunc nb_power;
unaryfunc nb_negative;
unaryfunc nb_positive;
unaryfunc nb_absolute;
inquiry nb_bool;
unaryfunc nb_invert;
binaryfunc nb_lshift;
binaryfunc nb_rshift;
binaryfunc nb_and;
binaryfunc nb_xor;
binaryfunc nb_or;
unaryfunc nb_int;
void *nb_reserved; /* the slot formerly known as nb_long */
unaryfunc nb_float;
binaryfunc nb_inplace_add;
binaryfunc nb_inplace_subtract;
binaryfunc nb_inplace_multiply;
binaryfunc nb_inplace_remainder;
ternaryfunc nb_inplace_power;
binaryfunc nb_inplace_lshift;
binaryfunc nb_inplace_rshift;
binaryfunc nb_inplace_and;
binaryfunc nb_inplace_xor;
binaryfunc nb_inplace_or;
binaryfunc nb_floor_divide;
binaryfunc nb_true_divide;
binaryfunc nb_inplace_floor_divide;
binaryfunc nb_inplace_true_divide;
unaryfunc nb_index;
binaryfunc nb_matrix_multiply;
binaryfunc nb_inplace_matrix_multiply;
} PyNumberMethods;
类似的,序列类也具有长度、切片、索引等方法。
CPython标准库
CPython标准库中有两种类型,一种是纯Python实现的,在Lib目录下;另一种是C和Python混合实现的,在Modules目录下。
- 纯Python库
安装Python时,这些库会直接复制到安装文件夹中,并保持其路径,可以直接通过import使用。这些库通常是一些简单的,与操作系统无关的实现。
- Python与C混合库
一些操作非常依赖底层操作系统,因此用C实现,源代码编译到macOS,Windows,Linux和其他基于*nix的操作系统时会有特殊实现。例如time
模块,多线程模块、网络模块等。
参考
标签:
相关文章
最新发布
- 【Python】selenium安装+Microsoft Edge驱动器下载配置流程
- Python 中自动打开网页并点击[自动化脚本],Selenium
- Anaconda基础使用
- 【Python】成功解决 TypeError: ‘<‘ not supported between instances of ‘str’ and ‘int’
- manim边学边做--三维的点和线
- CPython是最常用的Python解释器之一,也是Python官方实现。它是用C语言编写的,旨在提供一个高效且易于使用的Python解释器。
- Anaconda安装配置Jupyter(2024最新版)
- Python中读取Excel最快的几种方法!
- Python某城市美食商家爬虫数据可视化分析和推荐查询系统毕业设计论文开题报告
- 如何使用 Python 批量检测和转换 JSONL 文件编码为 UTF-8
点击排行
- 版本匹配指南:Numpy版本和Python版本的对应关系
- 版本匹配指南:PyTorch版本、torchvision 版本和Python版本的对应关系
- Python 可视化 web 神器:streamlit、Gradio、dash、nicegui;低代码 Python Web 框架:PyWebIO
- 相关性分析——Pearson相关系数+热力图(附data和Python完整代码)
- Python与PyTorch的版本对应
- Anaconda版本和Python版本对应关系(持续更新...)
- Python pyinstaller打包exe最完整教程
- Could not build wheels for llama-cpp-python, which is required to install pyproject.toml-based proj