解释运行程序

回忆上次内容

• py 文件的程序是按照顺序
• 一行行挨排解释执行的
• 我们可以 python3 -m pdb hello.py 来对程序调试
• 调试的目的是去除 bug
• 别害怕 bug
• bug 会有提示
• 我们也就知道如何 debug 调试
• 顺序执行
• 程序在文本中从上到下是一行行写的
• 调试的时候也是从头到尾一行行执行的
• 但是执行的时候是如何把代码一行行解释执行的呢？
• 说到底 python3 到底是个啥呢？
• python3 又是怎么解释 hello.py 的？
• 这两这节课相当复杂
• 如果感觉太过复杂
• 可以直接跳过
• 不影响后面的理解
• 我们先要看看python3对Guido.py做了些什么？？？

tokenize

• 首先把字符分组成词
• 词法分析(lexical analysis)中

• 把原来的字符流
• 变成了词的流
• token(令牌)流

• 词法分析之后输出的是一个token流
• 什么是token流呢？
• 首先要知道什么是token

token

• token
• 令牌

• 古人说听我号令
• 号指的是号角
• 令指的是令牌
• 急急如律令
• 令行禁止
• 怎么把源文件变成一个token流呢？

python3模块

• 这个东西是python3的一个模块

• 具体怎么运行呢？

token流

• 我们尝试运行
• python3 -m tokenize guido.py
• 对guido.py进行词法分析
• 分析出来的词(token)流长什么样子呢？

• 这个词怎么理解呢？

token流

• 第0行设置了编码格式
• 第1行[0,5)字符是第1行第1个token
• print
• print是一个Name(名字)
• 第1行[5,6)字符是第1行第2个token
• (
• (是一个Operator(操作符)
• 第1行[6,30)字符是第1行第3个token
• "1982------Guido in cwi"
• 这是一个String(字符串)
• 第1行[30,31)字符是第1行第4个token
• )
• )是一个Operator(操作符)
• 第1行[31,32)字符是第1行第5个token
• 是一个NewLine(换行符)
• 换行符意味着第一行结束
• 第2行...

• 词分析出来之后呢？

组词

• 词分析出来就是怎么组词的问题
• 哪些词和哪些词先组合
• 哪些词和哪些词后组合
• 生成一棵抽象语法树
• AST(Abstract Syntax Tree)

• 具体怎么生成这棵ast树呢？

引入ast模块

• 具体怎么做呢？

流程

• 先把这个ast模块导入(import)进来
• 然后读取guido.py并送到s
• 然后对于s进行语法分析(parse)

• 不过这乱七八糟堆一起怎么理解呢？

缩进换行

• 把分析的结果进行dump(转储)

• 目前lanqiao.cn上面的python是3.8
• 这个换行需要在3.9以上完成
• 只能在本地演示一下

缩进演示

• 这个就是把词组成语法树的样子
• 但是语法树还不能直接执行
• 什么才能直接执行呢？

翻译成字节码

• 字节码(指令)才能真正执行
• 怎么把ast转化为字节码(指令)呢？
• 需要编译
• 从一种语言到另一种语言
• 从py文件
• 到字节码(指令)

• 我可以看看这个编译过程么？

compile

• 这个东西完全是乱码
• 我看不懂啊？
• vi打开这个这个pyc文件

二进制形态

• :set wrap设置换行

• 可以看到他的二进制形态么？

二进制

• :%!xxd
• 把文件转化为二进制

• 实在是看不懂啊
• 能把这个字节码(指令)变成我们人能看懂的么？

反编译

• disassembler这个词由两部分组成
• dis (反着来的)
• assembler (汇编语言)
• 整体就是
• 把py源文件编译成的字节码(指令)
• 反编译(disassembler)成这些字节码对应的助记符(指令的含义)

• 这可以用么？
• 去试试！

反编译(dis)

• python3 -m dis guido.py

• 我们可以看见
• 前面是行号
• 每行对应4条指令
• LOAD_NAME 装载函数名
• LOAD_CONST 装载参数
• CALL_FUNCTION 调用函数
• POP_TOP 弹栈返回
• 每条指令对应一个字节码
• 那具体这个LOAD_NAME是什么意思呢？

指令

• 指令对应着一个字节码状态

• 但是LOAD_NAME这条指令
• 具体对应什么二进制字节状态呢？

二进制状态

• 我们找找程序中的4条指令对应的字节状态

4条指令

指令助记符	指令含义	十进制状态	十六进制状态
LOAD_NAME	装载函数名称	101	0x65
LOAD_CONST	装载参数	100	0x64
CALL_FUNCTION	调用函数	142	0x8e
POP_TOP	弹栈返回	1	0x01

• 可以找到源代码的对应关系么？

• 好像找到了
• 但是0x83 对应的是 GET_AWAITABLE
• 显然00 83是从表中的0号位置取得字符串变量
• 01 83是从表中的1号位置取字符串
• 以此类推，直到05 83
• 那这些代码究竟是什么指令集的呢？
• 龙芯
• intel
• 还是arm呢？

虚拟机的虚拟cpu

• 这些字节码(bytecode)对应的是python虚拟机上面虚拟cpu的指令集

• 怎么还有虚拟机
• 虚拟cpu呢？
• 我们先把这节课总结一下

总结

• 我们把python源文件
• 词法分析 得到 词流(token stream)
• 语法分析 得到 抽象语法树(Abstract Syntax Tree)
• 编译 得到 字节码 (bytecode)
• 反编译 得到 指令文件

• 不过这个指令文件是基于虚拟机的虚拟cpu的指令集
• 怎么这么虚呢？
• 我们下次再说

本文章来自于《oeasy教您玩转python》(https://www.lanqiao.cn/courses/3584)中第6个实验。