python ast 详解与用法

基本概念

在 python 中，我们可以通过自带的 ast 模块来对解析遍历语法树，通过ast.parse()可以将字符串代码解析为抽象语法树，然后通过ast.dump()可以打印这棵语法树。
除了ast模块外，还有 astor 模块，其中的 astor.to_sourse() 函数可以将语法树Node转换为代码， astor.dump_tree() 可以很好地格式化整棵树。
除了这些基础操作外，我们还可以遍历和修改整棵语法树。
比如，对于a = 10 来说，我们可以先解析成抽象语法树，然后打印所有的结点，如下所示。根据输出，我们可以看到根节点是Module类型的，然后其body是Assign类型的。对于Assign类型的结点，可以继续划分为Name结点（表示变量名）和Constant结点（表示变量内容）。

node = ast.parse('a = 10')
print(astor.dump_tree(node))
# Module(body=[Assign(targets=[Name(id='a')], value=Constant(value=10, kind=None), type_comment=None)], type_ignores=[])

节点类型

上面的简单示例向我们展示了几种基本结点类型（Assign、Name、Constant），接下来我们将会展示其他几种常见的结点类型和示例，完整的节点类型可以查阅节点类型。大体上，我们可以把结点类型分为叶子结点类型和非叶子结点类型，比如Assign就是非叶子结点类型，Name和Constant是叶子结点类型，因为他们不会有子结点了。

ast.Assign

Assign 类型用来表示赋值语句，比如a = 10、 b = a 这样的赋值语句都是Assign结点类型，他并不是一个叶子结点，因为它的下面一般还有 Name 结点。

ast.Name

Name类型用来表示一个变量的名称，是一个叶子结点。比如对于b = a 这样的赋值语句，子结点就是两个Name。

node = ast.parse('a = b')
print(astor.dump_tree(node.body[0]))
# Assign(targets=[Name(id='a')], value=Name(id='b'), type_comment=None)

ast.Constant

表示一个不可变内容，它可以是Number 、string，只要其内容是不可变的，都是ast.Constant类型的结点，它是一个叶子结点。

node = ast.parse('a = 100')
print(astor.dump_tree(node.body[0]))
# Assign(targets=[Name(id='a')], value=Constant(value=100, kind=None), type_comment=None)

node = ast.parse('a = "paddle"')
print(astor.dump_tree(node.body[0]))
# Assign(targets=[Name(id='a')], value=Constant(value='paddle', kind=None), type_comment=None)

ast.Call

表示函数的调用，比如paddle.to_tensor()。非叶子节点类型，一般包含三个属性：func、args、 keywords。

• func：代表调用函数的名称，一般是一个ast.Name或ast.Constant类型的结点，如果是连续调用，会是一个ast.Call结点。
• args：代表函数传入的位置参数和可变参数。
• keywords：代表函数传入的关键字参数。

node = ast.parse('paddle.to_tensor(1, a = 10)')
print(astor.dump_tree(node.body[0]))

# Expr(
    value=Call(func=Attribute(value=Name(id='paddle'), attr='to_tensor'),
        args=[Constant(value=1, kind=None)],
        keywords=[keyword(arg='a', value=Constant(value=10, kind=None))]))

对于上面的例子，我们通过可视化可以看到，顶层是一个ast.Expr类型的结点，表示一个表达式。下面是ast.Call 结点，Call 结点包含 一个ast.Attribute结点，表示调用者和调用的方法名，paddle是调用者，to_tensor是方法名；一个ast.Constant类型的args，表示函数的位置参数；一个ast.keyword，表示函数的关键字参数。

下面我们看一个比较复杂的示例，多个函数的连续调用。根据输出结果可以看到，最后的调用reshape在最外层，然后一直向内递归，子结点还是ast.Call类型的结点。

node = ast.parse('a.to_tensor(1, a = 10).reshape(1)')
print(astor.dump_tree(node.body[0]))

Expr(
    value=Call(
        func=Attribute(
            value=Call(func=Attribute(value=Name(id='a'), attr='to_tensor'),      
                args=[Constant(value=1, kind=None)],
                keywords=[keyword(arg='a', value=Constant(value=10, kind=None))]),
            attr='reshape'),
        args=[Constant(value=1, kind=None)],
        keywords=[]))

ast.Attribute

上面的例子中出现了ast.Attribute结点，Attribute结点可以理解为属性，是一个非叶子结点。它包含两个字段，value字段和attr字段。对于a.shape来说value指明调用者，即a；attr指明调用的方法名，即shape。

node = ast.parse('a.shape')
print(astor.dump_tree(node.body[0]))

Expr(value=Attribute(value=Name(id='a'), attr='shape'))

结点的遍历

在ast模块中，可以借助继承ast.NodeVisitor类来完成结点的遍历，该类具有两种访问结点的方法，一种是针对所有结点类型通用的访问方法generic_visit()，另一种是针对某个类型结点的访问方法 visit_xxx，其中xxx代表具体的结点类型。generic_visit()函数是遍历每个结点的入口函数，随后会调用visitor()函数，获取该结点的类型，然后判断是否有遍历该类型结点的函数，如果有则调用 visit_xxx类型的方法，如果没有则调用通用generic_visit()方法。

ast源码

class NodeVisitor(object):
    def visit(self, node):
        """Visit a node."""
        method = 'visit_' + node.__class__.__name__
        visitor = getattr(self, method, self.generic_visit)
        return visitor(node)

    def generic_visit(self, node):
    	# 可以看到 generic_visit函数会调用visit函数，然后寻找并调用特定类型的visit函数。 
        """Called if no explicit visitor function exists for a node."""
        for field, value in iter_fields(node):
            if isinstance(value, list):
                for item in value:
                    if isinstance(item, AST):
                        self.visit(item)
            elif isinstance(value, AST):
                self.visit(value)

    def visit_Constant(self, node):
        value = node.value
        type_name = _const_node_type_names.get(type(value))
        if type_name is None:
            for cls, name in _const_node_type_names.items():
                if isinstance(value, cls):
                    type_name = name
                    break
        if type_name is not None:
            method = 'visit_' + type_name
            try:
                visitor = getattr(self, method)
            except AttributeError:
                pass
            else:
                import warnings
                warnings.warn(f"{method} is deprecated; add visit_Constant",
                              PendingDeprecationWarning, 2)
                return visitor(node)
        return self.generic_visit(node)

示例

下面是一个例子，我们定义了一个继承ast.NodeVisitor的类，并且重写了visit_attribute方法，这样在遍历到ast.Attribute结点时，会输出当前调用的属性名或方法名，对于其他类型的结点则会输出结点类型。

class CustomVisitor(ast.NodeVisitor):
    def visit_Attribute(self, node):
        print('----' + node.attr)
        ast.NodeVisitor.generic_visit(self, node)

    def generic_visit(self, node):
        print(node.__class__.__name__)
        ast.NodeVisitor.generic_visit(self, node)

code = textwrap.dedent(
    '''
    import paddle
    x = paddle.to_tensor([1, 2, 3])
    axis = 0
    y = paddle.max(x, axis=axis)
    '''
)
node = ast.parse(code)
visitor = CustomVisitor()
visitor.generic_visit(node)

需要注意的是，当我们重写visit_xxx函数后，一定要记得再次调用ast.NodeVisitor.generic_visit(self, node)，这样才会继续遍历整棵语法树。

结点的修改

对于结点的修改可以借助ast.NodeTransformer 类来完成，ast.NodeTransformer继承自ast.NodeVisitor类，重写了generic_visit方法，该方法可以传入一个结点，并且返回修改后的结点，从而完成语法树的修改。

示例

在该示例中，我们定义了CustomVisitor类来修改ast.Call 结点。具体来说，当遍历到Call类型的结点后，流程如下：

• 首先会调用get_full_attr方法获取整个api名称，如果是普通方法调用，则会返回完整的调用名称，比如torch.tensor()会返回torch.tensor；如果是连续的方法调用，比如x.exp().floor()，则会返回ClassMethod.floor。
• 然后调用 ast.NodeVisitor.generic_visit(self, node) ，进行深度优先的修改，这样就可以一层层递归，先修改内层，再修改外层。
• 如果是普通的方法调用，则修改结点后返回；
• 如果是连续的方法调用，需要先通过astor.to_source(node)获取前缀方法，即调用者，保留前缀方法名称的同时，修改目前的方法名后返回。具体是通过'{}.{}()'实现的。

def get_full_attr(node):
        # torch.nn.fucntional.relu
        if isinstance(node, ast.Attribute):
            return get_full_attr(node.value) + '.' + node.attr
        # x.abs() -> 'x'
        elif isinstance(node, ast.Name):
            return node.id
        # for example ast.Call
        else:
            return 'ClassMethod'
            
class CustomVisitor(ast.NodeTransformer):
    
    def visit_Call(self, node):
        # 获取api的全称
        full_func = get_full_attr(node.func)

        # post order
        ast.NodeVisitor.generic_visit(self, node)
        
        # 如果是普通方法调用，直接改写整个结点即可
        if full_func == 'torch.tensor':
            # 将 torch.tensor() 改写为 paddle.to_tensor()
            code = 'paddle.to_tensor()'
            new_node = ast.parse(code).body[0]
            return new_node.value
        
        # 如果是类方法调用，需要取前面改写后的方法作为 func.value 
        if full_func == 'ClassMethod.floor':
            # 获取前缀方法作为 func.value
            new_func = astor.to_source(node).strip('\n')
            new_func = new_func[0: new_func.rfind('.')]
            # 将 floor() 改写为 floor2()
            code = '{}.{}()'.format(new_func, 'floor2')
            new_node = ast.parse(code).body[0]
            return new_node.value

        # 其余结点不修改
        return node

code = textwrap.dedent(
    '''
    import torch
    x = torch.tensor([1, 2, 3])
    x = x.exp().floor()
    '''
)
node = ast.parse(code)
visitor = CustomVisitor()
node = visitor.generic_visit(node)
result_code = astor.to_source(node)
print(result_code)

参考链接

https://blog.csdn.net/ThinkTimes/article/details/110831176?ydreferer=aHR0cHM6Ly9jbi5iaW5nLmNvbS8%3D
https://greentreesnakes.readthedocs.io/en/latest/
https://github.com/PaddlePaddle/PaConvert