Python源码剖析：深度探索Cpython对象-达观数据

CPython 是 Python 社区的标准，其他版本的 Python，比如 pypy，都会遵行 CPython 的标准 API 实现。想要更深入的认识 Python，就需要了解 CPython 的源码实现。本文将从 CPython 的对象构造器开始入手，带大家揭开 CPython 源码的面纱，带你进入 C + Python 的世界。文章的最后，你也会对 Python 中最重要的概念：一切皆对象 (Object) 有更深刻的认识；你还会发现一些具体的线索，为什么 Python 用起来比其他静态类型语言慢很多。

一、为什么要学习 Python 源码

Python 是一门上层语言，创建者通过有意设计来隐藏背后复杂的细节 (builtins)。在解决项目问题时，很多问题也许能通过搜索引擎找到答案，但 Python 是一门迭代速度非常快的语言，搜索引擎与专业书难以获得实效性好且准确的答案，因此多了解其架构与核心原理，可以更好地理解Python语言的使用方式、提高编程技能和调试能力。

二、CPython 整体架构

CPython 整体架构大致分为三个模块：

1. 代码文件 File Groups - Python 所提供的的大量的模块、库、以及用户自定义的模块。用户还可以通过自定义模块来扩展 Python 系统。

2. 解释器 Python Core - 又称 Python 虚拟机，对代码分析理解，翻译成字节流，并运行这些字节代码。

   · Scanner 负责词法分析的工作，将代码一行一行切分为 Token

   · Parser 则负责语法分析，将 Token 组织为抽象语法树

   · Compiler 则将语法树转化为指令集合的字节码流

   · Code Evaluator 也是我们常说 Python 虚拟机，负责执行这些字节码

3. 运行环境 Runtime Env - 包括运行时的对象、基础类型结构、内存分配器和实时的运行状态信息。

   · Object 和 Type Structure 分别是程序在运行过程中生成的对象和Python中的自带内建对象，如 Int、Str、List 等

   · Memory Allocator 则负责申请创建对象需要的内存，本质就是封装了 C 语言里面的 malloc() 函数

   · Current State 负责维护运行时的各类状态信息，以便在程序执行过程中如果发生状态变化（正常态和异常态）时，仍然能正常运行

三、编译 CPython

我们可以从下文的 GitHub 地址下载各版本的 CPython 源代码（本文内容以 Python 3.11 为例），其目录结构如下：

接下来，我们将从源代码编译 CPython。此步骤需要 C 编译器和一些构建工具。不同的系统编译方法也不同，这里我用的是 mac 系统。

在上述命令中，你需要下载并安装一些工具，包括 Homebrew，Git，Make， GNU C 编译器和OpenSSL等。./configure步骤用来自动化构建过程，CPPFLAGS 是 c 和 c++ 编译器的选项，这里指定了 zlib 头文件的位置，LDFLAGS 是 gcc 等编译器会用到的一些优化参数，这里是指定了 zlib 库文件的位置，(brew --prefix openssl) 显示的是 openssl 的安装路径，运行完上面命令以后在存储库的根目录中会生成一个 Makefile，你可以通过运行以下命令来构建 CPython 二进制文件。make -j2-j2 标志允许 make 同时运行 2 个作业来加快编译速度。在构建期间，你可能会收到一些错误，例如，dbm，sqlite3，uuid，nis，ossaudiodev，spwd 和tkinter 将无法使用这组指令构建。如果你不打算针对这些软件包进行开发，这些错误没什么影响。构建将花费几分钟并生成一个名为 python.exe 的二进制文件，虽然它的后缀是 exe 格式，但它确实是 macOS 下的可执行文件。每次改动源代码，都需要重新运行 make 进行编译。

四、了解 Python 对象

（一）PyObject 和 PyVarObject

Python 中一切皆对象，而所有的对象都拥有一些共同的信息（也叫头部信息），这些信息就在 PyObject 中，PyObject 是 Python 整个对象机制的核心，是 CPython 对象构造器的基石，我们来看看它的定义：

因此我们看到 PyObject 的定义非常简单，就是一个引用计数和一个类型指针，所以 Python 中的任意对象都必有引用计数和类型这两个属性。针对变长对象，Python 底层也提供了一个结构体，因为 Python 里面很多都是变长对象。我们来看看 PyVarObject 的定义：

例如列表（PyListObject 实例）中的 ob_size 维护的就是列表的元素个数，插入一个元素，ob_size 会加1，删除一个元素，ob_size 会减1。因此，我们使用 len 获取列表的元素个数是一个时间复杂度为 O(1) 的操作，因为 ob_size 始终和内部的元素个数保持一致，使用 len 获取元素个数的时候会直接访问 ob_size。

（二）PyTypeObject 类型对象

而将一个对象和其类型对象关联起来的，毫无疑问正是该对象内部的 PyObject 中的 ob_type，也就是类型指针。我们通过对象的 ob_type 成员即可获取类型对象的指针，通过该指针可以获取存储在类型对象中的某些元信息。我们来看看 _typeobject 的几个关键的成员：

事实上从名字上你也能看出来这每一个成员代表的含义，与我们在 Python 中常用的魔法方法很像。而且这里面的成员虽然多，但并非每一个类型对象都具备，比如 int 类型它就没有 tp_as_sequence 和 tp_as_mapping，所以 int 类型的这两个成员的值都是 0。综上所述，Python 底层通过 PyObject 和 PyTypeObject 完成了 C++ 所提供的对象的多态特性。在 Python 中创建一个对象，会分配内存并进行初始化，然后 Python 会用一个 PyObject * 来保存和维护这个对象，因此在 Python 中，变量的传递（包括函数的参数传递）实际上传递的都是一个泛型指针：PyObject *。这个指针具体指向什么类型的对象我们并不知道，只能通过其内部的 ob_type 成员进行动态判断，而正是因为这个 ob_type，Python 实现了多态机制。以变量 a + b 为例，这个 a 和 b 指向的对象可以是整数、浮点数、字符串、列表、元组、甚至是我们自己实现了 add 方法的类的实例对象。因为我们说 Python 中的变量都是一个 PyObject *，所以它可以指向任意的对象，因此 Python 就无法做基于类型方面的优化。首先 Python 底层要通过 ob_type 判断变量指向的对象到底是什么类型，这在 C 的层面上至少需要一次属性查找。然后 Python 将每一个操作都抽象成了一个魔法方法，所以实例相加时要在类型对象中找到该方法对应的函数指针，这又是一次属性查找。找到了之后将 a、b 作为参数传递进去，这会发生一次函数调用，会将对象维护的值拿出来进行运算，然后根据相加的结果创建一个新的对象，再返回其对应的 PyObject * 指针。而对于 C 来讲，由于已经规定好了类型，所以 a + b 在编译之后就是一条简单的机器指令，因此两者在效率上差别很大。

（三）对象的创建与调用

抛出个问题: item = 2.71 和 item = float(2.71) 得到的结果都是2.71，但它们之间有什么不同呢。或者说列表: lst = [] 和 lst = list()得到的 lst 也都是一个空列表，但这两种方式有什么区别呢？Python 中有许多效果相同，过程不同的表达，值得我们进一步思考。

事实上，Python 内部创建一个对象的方法有两种：

• 通过 Python/C API，可以是泛型API、也可以是特型API，用于内置类型

• 通过对应的类型对象去创建，多用于自定义类型Python 对外提供了 C API，让用户可以从 C 环境中与其交互。由于 Python 解释器是用 C 写成的，所以 Python 内部也在大量使用这些 C API。为了更好的研读源码，系统地了解这些 API 的组成结构是很有必要的，下面以 PyFloatObject 对象为例，通过源码的大致步骤了解它的两种创建过程。首先先看浮点数的定义：

可以看出，PyFloatObject 的结构非常简单，除了 PyObject 这个公共的头部信息之外，只有一个额外的 ob_fval，用于存储具体的值，并且使用的是 C 中的 double。以 f = 3.14 为例，底层结构如下：

使用泛型 API 创建

 

使用特型 API 创建

综上，不管采用哪种方式创建，最终的关键步骤都是分配内存，创建内置类型的实例对象，Python 是可以直接分配内存的。因为它们有哪些成员在底层都是写死的，Python 对它们了如指掌，因此可以通过 Python/C API 直接分配内存并初始化。以 PyFloat_FromDouble 为例，直接在接口内部为 PyFloatObject 结构体实例分配内存，并初始化相关字段即可。从下文的实验也可以看出，对于内置类型的实例对象而言，使用 Python / C API 创建要快不少。

比如创建列表：可以使用 list()、也可以使用 [ ]；创建元组：可以使用 tuple()、也可以使用 ()；创建字典：可以使用 dict()、也可以使用 {}。前者是通过类型对象去创建的，后者是通过 Python/C API 创建。但对于内置类型而言，我们推荐使用 Python/C API 创建，会直接解析为对应的 C 一级数据结构，因为这些结构在底层都是已经实现好了的，是可以直接用的，无需通过诸如 list() 这种调用类型对象的方式来创建，因为它们内部还是使用了 Python/C API。

  五、总结     

Python是一门备受推崇的脚本语言，以其简单的语法和全面的功能而著称，可快速实现各种业务。本文从 CPython 对象构造器入手，介绍了浮点数对象在 CPython 底层数据结构中的表现形式以及对象创建的过程。通过进一步了解 CPython 动态性的实现方式，读者可望在阅读 CPython 源码后提升编写高质量代码的能力。参考资料：

1. https://github.com/python/cpython
2. https://docs.python.org/zh-cn/3.11/c-api/index.html
3. https://jiuaidu.com/jianzhan/990904/
4. https://www.ab62.cn/article/15965.html
5. https://zhuanlan.zhihu.com/p/596637636