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。

这篇文章介绍了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。，分享给大家做个参考，收藏Python资料网收获更多编程知识

以下是CPython的一些特点和功能：

1. 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。

2. 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。

3. 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。

4. 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。

5. 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。

6. 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

https://realpython.com/cpython-source-code-guide/

CPython源码分析_哔哩哔哩_bilibili

不想吃糖liao的个人空间_哔哩哔哩_bilibili

版权声明：本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若内容造成侵权/违法违规/事实不符，请联系邮箱：jacktools123@163.com进行投诉反馈，一经查实，立即删除！