98

在深入研究 Python 的源代码后，我发现它维护了一个PyInt_Objects 数组，范围从int(-5)到int(256)(@src/Objects/intobject.c)

一个小实验证明了这一点：

>>> a = 1
>>> b = 1
>>> a is b
True
>>> a = 257
>>> b = 257
>>> a is b
False

但是，如果我在 py 文件中一起运行这些代码（或用分号连接它们），结果会有所不同：

>>> a = 257; b = 257; a is b
True

我很好奇为什么它们仍然是同一个对象，所以我更深入地研究了语法树和编译器，我想出了下面列出的调用层次结构：

PyRun_FileExFlags() 
    mod = PyParser_ASTFromFile() 
        node *n = PyParser_ParseFileFlagsEx() //source to cst
            parsetoke() 
                ps = PyParser_New() 
                for (;;)
                    PyTokenizer_Get() 
                    PyParser_AddToken(ps, ...)
        mod = PyAST_FromNode(n, ...)  //cst to ast
    run_mod(mod, ...)
        co = PyAST_Compile(mod, ...) //ast to CFG
            PyFuture_FromAST()
            PySymtable_Build()
            co = compiler_mod()
        PyEval_EvalCode(co, ...)
            PyEval_EvalCodeEx()

PyInt_FromLong然后我在里面和之前/之后添加了一些调试代码PyAST_FromNode，并执行了一个test.py：

a = 257
b = 257
print "id(a) = %d, id(b) = %d" % (id(a), id(b))

输出看起来像：

DEBUG: before PyAST_FromNode
name = a
ival = 257, id = 176046536
name = b
ival = 257, id = 176046752
name = a
name = b
DEBUG: after PyAST_FromNode
run_mod
PyAST_Compile ok
id(a) = 176046536, id(b) = 176046536
Eval ok

意思是在csttoast变换的过程中，PyInt_Object创建了两个不同的s（实际上是在ast_for_atom()函数中执行的），但是后来又合并了。

我发现很难理解 and 中的来源PyAST_Compile，PyEval_EvalCode所以我在这里寻求帮助，如果有人提供提示，我将不胜感激？

4

1 回答 1

120

Python 缓存 range 中的[-5, 256]整数，因此该 range 中的整数通常但并不总是相同。

您看到的 257 是 Python 编译器在同一代码对象中编译时优化相同的文字。

在 Python shell 中键入时，每一行都是完全不同的语句，分别进行解析和编译，因此：

>>> a = 257
>>> b = 257
>>> a is b
False

但是，如果您将相同的代码放入文件中：

$ echo 'a = 257
> b = 257
> print a is b' > testing.py
$ python testing.py
True

每当编译器有机会一起分析文字时，就会发生这种情况，例如在交互式解释器中定义函数时：

>>> def test():
...     a = 257
...     b = 257
...     print a is b
... 
>>> dis.dis(test)
  2           0 LOAD_CONST               1 (257)
              3 STORE_FAST               0 (a)

  3           6 LOAD_CONST               1 (257)
              9 STORE_FAST               1 (b)

  4          12 LOAD_FAST                0 (a)
             15 LOAD_FAST                1 (b)
             18 COMPARE_OP               8 (is)
             21 PRINT_ITEM          
             22 PRINT_NEWLINE       
             23 LOAD_CONST               0 (None)
             26 RETURN_VALUE        
>>> test()
True
>>> test.func_code.co_consts
(None, 257)

请注意编译后的代码如何包含257.

总之，Python 字节码编译器无法执行大规模优化（如静态类型语言），但它做的比你想象的要多。其中之一是分析文字的使用并避免重复它们。

请注意，这与缓存无关，因为它也适用于没有缓存的浮点数：

>>> a = 5.0
>>> b = 5.0
>>> a is b
False
>>> a = 5.0; b = 5.0
>>> a is b
True

对于更复杂的文字，比如元组，它“不起作用”：

>>> a = (1,2)
>>> b = (1,2)
>>> a is b
False
>>> a = (1,2); b = (1,2)
>>> a is b
False

但是元组中的文字是共享的：

>>> a = (257, 258)
>>> b = (257, 258)
>>> a[0] is b[0]
False
>>> a[1] is b[1]
False
>>> a = (257, 258); b = (257, 258)
>>> a[0] is b[0]
True
>>> a[1] is b[1]
True

（请注意，恒定折叠和窥视孔优化器甚至可以在错误修复版本之间改变行为，因此哪些示例返回True或False基本上是任意的，并且将来会改变）。

关于为什么你看到两个PyInt_Object被创建，我猜这是为了避免文字比较。例如，数字257可以用多个文字表示：

>>> 257
257
>>> 0x101
257
>>> 0b100000001
257
>>> 0o401
257

解析器有两种选择：

  • 在创建整数之前将文字转换为一些公共基础，并查看文字是否等效。然后创建一个整数对象。
  • 创建整数对象并查看它们是否相等。如果是，则只保留一个值并将其分配给所有文字，否则，您已经有了要分配的整数。

Python解析器可能使用第二种方法，它避免了重写转换代码并且更容易扩展（例如它也适用于浮点数）。

读取Python/ast.c文件，解析所有数字的函数是parsenumber，它调用PyOS_strtoul以获取整数值（对于整数）并最终调用PyLong_FromString：

    x = (long) PyOS_strtoul((char *)s, (char **)&end, 0);
    if (x < 0 && errno == 0) {
        return PyLong_FromString((char *)s,
                                 (char **)0,
                                 0);
    }

正如您在此处看到的，解析器不检查它是否已经找到具有给定值的整数，因此这解释了为什么您看到创建了两个 int 对象，这也意味着我的猜测是正确的：解析器首先创建常量并且只有在之后才优化字节码以将相同的对象用于相同的常量。

执行此检查的代码必须位于Python/compile.corPython/peephole.c中，因为这些文件将 AST 转换为字节码。

特别是，该compiler_add_o功能似乎是做到这一点的功能。有这个评论compiler_lambda：

/* Make None the first constant, so the lambda can't have a
   docstring. */
if (compiler_add_o(c, c->u->u_consts, Py_None) < 0)
    return 0;

因此，它似乎compiler_add_o用于插入函数/ lambdas 等的常量。该compiler_add_o函数将常量存储到一个dict对象中，然后紧接着相等的常量将落在同一个槽中，从而在最终字节码中产生一个常量。

于 2013-03-02T07:54:41.213 回答