「oeasy」python0010 - python虚拟机解释执行py文件的原理

解释运行程序

回忆上次内容

• 我们这次设置了断点
• 设置断点的目的是更快地调试
• 调试的目的是去除 bug
• 别害怕 bug
• 一步步地总能找到 bug
• 这就是程序员基本功
• 调试 debug
• 我心中还是有疑问
• python3 是怎么解释 hello.py 的？

纯文本

• 我们的py文件是一个纯文本文件

• 打开我们的guido.py
• 如果没有就新做一个
• 这里面是一个个的字符

print("1982------Guido in cwi")
print("1995------Guido in cnri")
print("2000------Guido in beopen")
print("2005------Guido in google")
print("2012------Guido in dropbox")
print("2020------Guido in microsoft")           

• python怎知道如何执行呢？

传统文本

• 传统文本的基础也是字符

• 在字符的基础上组织起篇章结构
• 字组成词
• 词组成句
• 句组成段
• 段组成章节
• 最后成书

tokenize

• 首先把一个个字符组成词
• 分析一下哪些字可以组成词
• 术语叫词法分析(lexical analysis)

• 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词(token)的流
• 啥是token呢？

token

• token
• 令牌

• 古人说听我号令
• 号指的是
• 号角
• 摔杯为号
• 是一个信号
• 令指的是令牌
• 急急如律令
• 打五十大板
• 令行禁止
• 怎么把源文件变成一个词(token)流呢？

python3模块

• 帮助手册里面有这个内容
• 这个tokenize是python3的一个模块(module)

• 具体怎么运行呢？

token流

• 我们尝试运行
• python3 -m tokenize guido.py
• -m 代表的是 module模块
• 对guido.py进行词法分析
• 分析出来的词(token)流什么样子呢？
• 这个词的流怎么理解呢？

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
• \n
• \n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)

• 我能看看这棵ast树么？

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
• 第一句就是import ast
• 回车之后没有任何报错
• 那就是执行成功了
• 后面也一样
• 没有报错就是执行成功了

• 然后读取guido.py并送到s
• 然后对于s进行语法分析(parse)

• 再把分析(parse)的结果进行转储(dump)
• 看起来有点乱
• 可以清晰一些么？

升级Python

• 目前lanqiao.cn上面的python是3.8
• 这个清晰缩进的格式需要在3.9以上完成
• 需要升级

sudo apt update
sudo apt install python3.9           

• 升级之后就可以使用Python3.9了

缩进换行

• 只能在本地演示一下

• 这个就是把词组成语法树的样子
• 如何理解这棵树呢？
• 我们看一个例子

表达式运算

• 如果给的表达式为 1 2 3

• 结合序为下图

• 前两个先结合
• 得到的结果作为下一个运算的左操作数
• 然后和第3个结合

结合序

• 如果把 第一个* 改成 + 号
• 其他什么也没加

• 表达式是1 + 2 * 3

• 后两个会先结合
• 得到的结果作为下一个运算的右操作数
• 然后再和1进行加法运算
• 有了语法树
• 下一步要做什么呢？
• 这棵语法树我们能看懂
• 但是cpu需要的是能执行的一条条字节码指令

翻译成字节码

• 要把源程序翻译成字节码才能执行
• 字节码对应着cpu的指令
• 怎么把ast转化为字节码(指令)呢？
• 需要编译(compile)
• 从一种语言到另一种语言
• 从py文件
• 到字节码(指令)
• 就是编译

• 我可以看看这个编译过程么？

compile

编译结果

• 编译(compile)之后得到是字节码指令文件
• 所以扩展名是pyc
• 其中c代表compiled
• pyc是字节码(bytecode)文件
• python虚拟机的虚拟cpu就可以直接执行了

• 先看看这个pyc文件
• 注意他在__pycache__文件夹下
• cache的意思是缓存
• pycache两端各有2条下划线(_)

• 进这个文件夹看看

进入__pycache__文件夹

• 打开pyc文件

• 得到的字节码看起来完全是乱码
• 可以想办法看懂这些字节码么？
• vi打开这个这个pyc文件

二进制形态

• :set wrap设置换行

• 这样看到了他的字符串形态
• 可以看到他的二进制字节形态么？

机器语言

• :%!xxd
• 把文件转化为字节形态

• 这纯纯的机器语言字节形态
• 实在是看不懂啊
• 这真的是指令么？
• 究竟什么是指令呢？

指令

• instruction

• 最早指的是教的行为或者过程
• 计算机领域里面特指指令
• 比如加法指令
• 减法指令
• 可以让cpu做特定运算的指令

• 由于计算机只认识0和1
• 所以要把这些加加减减的指令
• 对应到0和1的二进制形态上去
• 0和1的二进制形态我们记不住
• 于是有了汇编助记符
• 助记符告诉我们这条0和1的二进制形态
• 到底对应什么指令
• 助记符的语言就是汇编语言

汇编assemble

• assemble指的是收集、集结
• assembler指的是装卸工
• 在计算机中特指汇编语言
• 可以让我们把0和1的机器指令
• 收集起来形成的助记符集合
• 就是汇编语言指令集

• 这就是汇编语言和0101的对应关系

反编译

• disassemble
• 这个词由两部分组成
• dis (反着来的)
• dislike
• disgrace
• disagree
• assembler (汇编语言)
• disassemble 反编译
• 把py源文件编译成的字节码(指令)我们人类看不明白
• 把这些字节码(指令)反编译(disassemble)成汇编语言助记符
• 有了助记符我们就知道指令的含义了

• 这可以用么？
• 去试试！

反编译(dis)

• python3 -m dis guido.py
• -m 代表使用模块
• dis 代表反编译(disassemble)

• 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)名字
• LOAD_CONST 装载常量
• CALL_FUNCTION 调用函数
• POP_TOP 弹栈
• 总共6句
• 对应6组字节码
• 每组两个字节
• 那具体这个 LOAD_NAME 是要做些什么呢？

指令

• LOAD_NAME
• 把一个值压入堆栈co_names
• 把print这个函数名压入了堆栈
• 一会儿就要调用这个被压入堆栈的print函数

• 但是LOAD_NAME这条指令
• 具体对应什么二进制字节状态呢？
• 这个去哪里找呢？

python源头

• python是从哪里来的呢？

• python 是开源编程语言
• 整个的源代码都是开放的
• 我们可以去github找到他的源代码
• https://github.com/python/cpython

二进制状态

• 搜索LOAD_NAME并且排查
• 找到字节码状态位置
• 指令对应着一个字节码状态值
• https://github.com/python/cpython/blob/main/Lib/opcode.py

• 这样我们能否找到
• 4条指令分别对应的字节状态值

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
• 64XX
• 64 00是从表中的00号位置取得字符串"Guido in cwi"
• 64 01是从表中的01号位置取字符串"Guido in cnri"
• ...
• 以此类推，直到05 83取出字符串"Guido in microsoft"
• 0x83 对应的是 GET_AWAITABLE
• 可等待地调用
• 那这些二进制代码究竟是什么指令集的呢？
• 首先我们得弄懂什么是指令集呢？

指令集

• 指令集 就是
• 指令的集合

• 上图是arm的指令集
• 也常被称作arm架构
• 那什么又是架构呢？

architect

• architect原本的英文含义是
• 建筑

• architecture
• 造房子的人
• 就是建筑师

• 在cpu领域
• architect
• architecture
• 指的是什么呢？

架构师

• 架构师
• 软件开发行业从业者的终极形态
• 非常硬核的存在

• 那python的字节码用的是什么架构呢？
• arm
• 还是x86呢？

虚拟机的虚拟cpu

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

• cpu也能虚拟吗？
• 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)
• 字节码我们看不懂
• 所以反编译 得到 指令文件(opcode)

• 指令文件是基于python虚拟机的虚拟cpu的指令集
• 什么是python虚拟机呢？
• 我们下次再说
• 蓝桥->https://www.lanqiao.cn/teacher/3584
• github->https://github.com/overmind1980/oeasy-python-tutorial
• gitee->https://gitee.com/overmind1980/oeasypython
• 视频->https://www.bilibili.com/video/BV1CU4y1Z7gQ 作者：oeasy