源代码中有什么？
如何编译Cpython代码
编译器能做什么？
为什么 Cpython 是用C语言而是 Python 编写的？
Python语言的规范
Cpython 中的内存管理机制
结论
建立运行时配置
读取文件/输入
词法解析和句法解析
抽象语法树
结论
编译
执行
结论
基础对象类型
Bool和Long Integer 类型
回顾Generator类型
结论
Python 模块
Pyhton 和 C 模块
Cpython回归测试套件
安装用户自定C义版本
在使用 Python 的过程中你是否有这些疑惑,使用字典查找内容，为什么比遍历一个列表要快得多？生成器如何在每次生成值时记住变量的状态？为什么使用Python时我们不用像其他语言那样分配内存？事实证明，CPython，是最流行的Python版本，运行时是用人类可读的C和Python代码编写的。
这篇文主要就是围绕着Cpython展开的，文章涵盖CPython内部原理背后的所有概念、它们的工作原理以及可视化的解释。
你将会学到的内容有：
这篇文章很长但是很有用，如果你决定要学习Cpython，那么希望你能看下去，你会发现这是一份不错的学习资料。
这篇文章总共分为5部分，你可以根据自己的时候合理的安排阅读时间。每一部分都要花一定的时间，通过自己去研究这里面的一些案例，你会感到一种成就感，因为你掌握了Python的核心概念，这使得你成为一名更好的Python程序员。
我们平时说的Python，其实大多都是指的Cpython，CPython是众多Python中的其中一种，初次之外还有Pypy，Jpython等。CPython 同样的作为官方使用的 Python版本，以及网上的众多案例。所以，这里我们主要说的是 Cpython。
注意：本文是针对CPython源代码的3.8.0b3版编写的。
CPython源代码分发包含各种工具，库和组件。我们将在本文中探讨这些内容。
首先，我们将重点关注编译器。先从git上下载Cpython源代码.
git clone https://github.com/python/cpython
cd cpython
git checkout v3.8.0b3 #切换我们需要的分支注意：如果你没有Git，可以直接从GitHub网站下载ZIP文件中的源代码。
解压我们下载的文件，其目录结构如下：
cpython/
│
├── Doc ← 源代码文档说明
├── Grammar ← 计算机可读的语言定义
├── Include ← C语言头文件（头文件中一般放一些重复使用的代码）
├── Lib ← Python写的标准库文件
├── Mac ← Mac支持的文件
├── Misc ← 杂项
├── Modules ← C写的标准库文件
├── Objects ← 核心类型和对象模块
├── Parser ← Python 解析器源码
├── PC ← Windows 编译支持的文件
├── PCbuild ← 老版本的Windows系统 编译支持的文件
├── Programs ← Python 可执行文件和其他二进制文件的源代码
├── Python ← CPython 解析器源码
└── Tools ← 用于构建或扩展 Python 的独立工具接下来，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macOS上编译CPython非常简单。在终端内，运行以下命令即可安装C编译器和工具包：
$ xcode-select --install此命令将弹出一个提示，下载并安装一组工具，包括Git，Make和GNU C编译器。
你还需要一个 OpenSSL 的工作副本，用于从PyPi.org网站获取包。
如果你以后计划使用此版本来安装其他软件包，则需要进行SSL验证。
在macOS上安装OpenSSL的最简单方法是使用HomeBrew。
如果已经安装了HomeBrew，则可以使用brew install命令安装CPython的依赖项。
$ brew install openssl xz zlib现在你已拥有依赖项，你可以运行Cpython目录下的configure脚本：
$ CPPFLAGS="-I$(brew --prefix zlib)/include" LDFLAGS="-L$(brew --prefix zlib)/lib" ./configure --with-openssl=$(brew --prefix openssl) --with-pydebug上面的安装命令中，
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) 这一部分的意思是在终端里执行括号里的命令，显示 openssl 的安装路径，可以事先执行括号里的命令，用返回的结果替换 (brew --prefix openssl)，效果是一样的，每一行行尾的反斜杠可以使换行时先不执行命令，而是把这三行内容当作一条命令执行。
运行完上面命令以后在存储库的根目录中会生成一个Makefile，你可以使用它来自动化构建过程。./configure步骤只需要运行一次。
你可以通过运行以下命令来构建CPython二进制文件。
$ make -j2 -s-j2标志允许make同时运行2个作业。如果你有4个内核，则可以将其更改为4. -s标志会阻止Makefile将其运行的每个命令打印到控制台。你可以删除它，输出的东西太多了。在构建期间，你可能会收到一些错误，在摘要中，它会通知你并非所有包都可以构建。
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，这个错误没什么影响。如果你实在需要可以参考：https://devguide.python.org/。
构建将花费几分钟并生成一个名为python.exe的二进制文件。每次改动源代码，都需要重新运行make进行编译。
python.exe二进制文件是CPython的调试二进制文件。执行下面命令可以看到Python的运行版本。
$ ./python.exe
Python 3.8.0b3 (tags/v3.8.0b3:4336222407, Aug 21 2019, 10:00:03)
[Clang 10.0.1 (clang-1001.0.46.4)] on darwin
Type "help", "copyright", "credits" or "license" for more information.
>>> (其实最新的已经到Python3.9了，我编译了一下效果如下)
编译器的目的就是将一种语言转为另外一种语言。可以把编译的过程比作翻译，把英语里的“Hello”，翻译成中文的「你好」。
一些编译器将代码编译成只有机器看懂的机器代码，可以直接在系统上进行执行。其他编译器将编译成中间语言，由虚拟机执行。
选择编译器时做出的一个重要决定是系统可移植性要求。Java和.NET CLR将编译成中间语言，以便编译的代码可适配其他系统类型。C，Go，C ++和Pascal将编译成一个低级可执行文件，只能在类似于编译的系统上运行。
我们一般会直接发布Python的源代码，然后直接通过Python命令即可运行，其实在内部，运行时CPython会编译你的代码。大多数认为Python是一种解释性语言。
严格来说其实它实际上是编译类型。
Python代码不会编译成机器代码。
它被编译成一种特殊的低级中间语言，只有CPython才能理解的字节码。在Python3中字节码就存储在隐藏目录中的.pyc文件中，提供了缓存以供下次快速执行。所以，如果在不更改源代码的情况下运行相同的Python应用程序两次，第二次总是会快得多。原因就是第二次的时候直接加载了字节码然后运行了程序，不像第一次还需要编译。
CPython中的C是对C编程语言的引用，暗示这个Python发行版是用C语言编写的。
CPython中的编译器是用纯C编写的。但是，许多标准库模块都是用纯Python或C和Python的组合编写的。
答案就在于编译器的工作原理。
编译器有两种类型：
自托管编译器是用它们编译的语言编写的编译器，例如Go编译器。源到源编译器是用另一种已经有编译器的语言编写的编译器。CPython保留了它的C的特性：许多标准库模块（如ssl模块或sockets模块）都是用C语言编写的，用于访问低级操作系统API。
用于创建网络套接字，与文件系统一起工作或与显示器交互的Windows和Linux内核中的API都是用C语言编写的。所以将Python的可扩展性层专注于C语言是有意义的。在本文的后面部分，我们将介绍Python标准库和C模块。初次之外，有一个用Python编写的Python编译器叫做PyPy。
PyPy的徽标是一个Ouroboros，代表编译器的自托管特性。另一个Python交叉编译器的例子是Jython。
还有一个就是Jython。Jython是用Java编写的，从Python源代码编译成Java字节码。与CPython可以轻松导入C库并从Python中使用它们一样，Jython使得导入和引用Java模块和类变得容易。
CPython源代码中包含的是Python语言的定义。这是所有Python解释器使用的参考规范。该规范采用人类可读和机器可读的格式。文档内部详细说明了Python语言，允许的内容以及每个语句的行为方式。
位于Doc/reference目录内的是reStructuredText文件解释了Python语言中每个功能属性。这构成了docs.python.org上的官方Python参考指南。
在目录中是你需要了解整个语言，结构和关键字的文件：
cpython/Doc/reference
|
├── compound_stmts.rst
├── datamodel.rst
├── executionmodel.rst
├── expressions.rst
├── grammar.rst
├── import.rst
├── index.rst
├── introduction.rst
├── lexical_analysis.rst
├── simple_stmts.rst
└── toplevel_components.rst在compound_stmts.rst文件中，你可以看到一个定义with语句的简单示例。with语句可以在Python中以多种方式使用，最简单的是上下文管理器的实例化和嵌套的代码块：
with x():
...你可以使用as进行重命名
with x() as y:
...你还可以链式的同时定义多个
with x() as y, z() as jk:
...接下来，我们将探索Python语言的计算机可读文档。
该文档包含人类可读规范和存放在单个文件Grammar/Grammar中的机器可读规范。
Grammar文件是使用称为Backus-Naur Form（BNF）的上下文表示法进行编写的。
BNF不是特定于Python的，并且通常用作许多其他语言中语法的符号。
编程语言中的语法结构概念是从20世纪50年代Noam Chomsky’s work on Syntactic Structures中受到启发的。
Python的语法文件使用具有正则表达式语法的Extended-BNF（EBNF）规范。
所以，在语法文件中你可以使用：
.. productionlist::
with_stmt: "with" `with_item` ("," `with_item`)* ":" `suite`
with_item: `expression` ["as" `target`]引号中的内容都是字符串，这是一中关键字的定义方式。所以with_stmt指定为：
1.with单词开头
2.接下来是with_item，它是一个test和（可选）as表达式。
3.多个项目之间使用逗号进行间隔
4.以字符:结尾
5.其次是suite。
这两行中提到了一些其他定义：
suite是指具有一个或多个语句的代码块。test是指一个被评估的简单语句。expr指的是一个简单的表达式如果你想看一个最近如何使用语法的例子，例如在PEP572中，:=运算符被添加到语法文件中。
ATEQUAL '@='
RARROW '->'
ELLIPSIS '...'
+ COLONEQUAL ':='
OP
ERRORTOKENGrammar文件本身不会被Python编译器使用。
是使用一个名为pgen的工具，来创建的解析器表。pgen会读取语法文件并将其转换为解析器表。如果你对语法文件进行了更改，则必须重新生成解析器表并重新编译Python。
注意：pgen应用程序在Python 3.8中从C重写为纯Python。为了查看pgen的运行情况，让我们改变Python语法的一部分。并重新编译运行Python。
在Grammar路径下看到两个文件Grammar 和Tokens，我们在Grammar搜索pass_stmt,然后看到下面这样
pass_stmt: 'pass'我们修改一下，改为下面这样
pass_stmt: 'pass' | 'proceed'在Cpython的根目录使用make regen-grammar命令来运行pgen重新编译Grammar文件。
应该看到类似于此的输出，表明已生成新的Include/graminit.h和Python/graminit.c文件：
下面是部分输出内容
# Regenerate Include/graminit.h and Python/graminit.c
# from Grammar/Grammar using pgen
PYTHONPATH=. python3 -m Parser.pgen ./Grammar/Grammar ./Grammar/Tokens ./Include/graminit.h.new ./Python/graminit.c.new
python3 ./Tools/scripts/update_file.py ./Include/graminit.h ./Include/graminit.h.new
python3 ./Tools/scripts/update_file.py ./Python/graminit.c ./Python/graminit.c.new使用重新生成的解析器表，需要重新编译CPython才能查看新语法。使用之前用于操作系统的相同编译步骤。
make -j4 -s如果代码编译成功，执行新的CPython二进制文件并启动REPL。
./python.exe在REPL中，现在可以尝试定义一个函数，使用编译为Python语法的proceed关键字替代pass语句。
Python 3.8.0b3 (tags/v3.8.0b3:4336222407, Aug 21 2019, 10:00:03)
[Clang 10.0.1 (clang-1001.0.46.4)] on darwin
Type "help", "copyright", "credits" or "license" for more information.
>>> def example():
... proceed
...
>>> example()下面是我运行结果，很有意思居然没有出错。
接下来，我们将探讨Tokens文件及其与Grammar的关系。
与Grammar文件夹中的语法文件一起是一个Tokens文件，它包含在解析树中作为叶节点找到的每个唯一类型，稍后我们将深入介绍解析器树。每个token还具有名称和生成的唯一ID，这些名称用于简化在tokenizer中引用。
注意：Tokens文件是Python 3.8中的一项新功能。例如，左括号称为LPAR，分号称为SEMI。
你将在本文后面看到这些标记：
LPAR '('
RPAR ')'
LSQB '['
RSQB ']'
COLON ':'
COMMA ','
SEMI ';'与语法文件一样，如果更改Tokens文件，则需要再次运行pgen。
要查看操作中的tokens，可以在CPython中使用tokenize模块。创建一个名为test_tokens.py的简单Python脚本：
# Hello world!
def my_function():
proceed然后通过名为tokenize的标准库中内置的模块传递此文件。你将按行和字符查看令牌列表。使用-e标志输出确切的令牌名称：
0,0-0,0: ENCODING 'utf-8'
1,0-1,14: COMMENT '# Hello world!'
1,14-1,15: NL '\n'
2,0-2,3: NAME 'def'
2,4-2,15: NAME 'my_function'
2,15-2,16: LPAR '('
2,16-2,17: RPAR ')'
2,17-2,18: COLON ':'
2,18-2,19: NEWLINE '\n'
3,0-3,3: INDENT ' '
3,3-3,7: NAME 'proceed'
3,7-3,8: NEWLINE '\n'
4,0-4,0: DEDENT ''
4,0-4,0: ENDMARKER '' 
在输出中，第一列是行/列坐标的范围，第二列是令牌的名称，最后一列是令牌的值。
在输出中，tokenize模块隐含了一些不在文件中的标记。
utf-8的ENCODING标记，末尾有一个空行，DEDENT关闭函数声明，ENDMARKER结束文件。tokenize模块是用纯Python编写的，位于CPython源代码中的Lib/tokenize.py中。
重要提示：CPython源代码中有两个tokenizers：一个用Python编写，上面演示的这个，另一个是用C语言编写的。用Python编写的被用作实用程序，而用C编写的被用于Python编译器。但是，它们具有相同的输出和行为。用C语言编写的版本是为性能而设计的，Python中的模块是为调试而设计的。要查看C语言的的tokenizer的详细内容，可以使用-d标志运行Python。
使用之前创建的test_tokens.py脚本，使用以下命令运行它：
./python.exe -d test_tokens.py得到如下结果
Token NAME/'def' ... It's a keyword
DFA 'file_input', state 0: Push 'stmt'
DFA 'stmt', state 0: Push 'compound_stmt'
DFA 'compound_stmt', state 0: Push 'funcdef'
DFA 'funcdef', state 0: Shift.
Token NAME/'my_function' ... It's a token we know
DFA 'funcdef', state 1: Shift.
Token LPAR/'(' ... It's a token we know
DFA 'funcdef', state 2: Push 'parameters'
DFA 'parameters', state 0: Shift.
Token RPAR/')' ... It's a token we know
DFA 'parameters', state 1: Shift.
DFA 'parameters', state 2: Direct pop.
Token COLON/':' ... It's a token we know
DFA 'funcdef', state 3: Shift.
Token NEWLINE/'' ... It's a token we know
DFA 'funcdef', state 5: [switch func_body_suite to suite] Push 'suite'
DFA 'suite', state 0: Shift.
Token INDENT/'' ... It's a token we know
DFA 'suite', state 1: Shift.
Token NAME/'proceed' ... It's a keyword
DFA 'suite', state 3: Push 'stmt'
...
ACCEPT.在输出中，您可以看到它突出显示为关键字。在下一章中，我们将看到如何执行Python二进制文件到达tokenizer以及从那里执行代码会发生什么。现在您已经概述了Python语法以及tokens和语句之间的关系，有一种方法可以将pgen输出转换为交互式图形。
以下是Python 3.8a2语法的屏幕截图：
看不清没关系，用于生成此图的Python包（instaviz）将在后面的章节中介绍。这里先做了解。
在本文中，你将看到对PyArena对象的引用。
arena是CPython的内存管理结构之一。代码在Python/pyarena.c中其中包含了C的内存分配和解除分配的方法。
在编写的C程序中，开发人员应在写入数据之前为数据结构分配内存。此分配将内存标记为属于操作系统的进程。当不再使用已分配的内存并将其返回到操作系统的可用内存块表时，开发人员也可以解除分配或“释放”它们。如果进程为一个变量分配内存，比如在函数或循环中，当该函数完成时，内存不会自动返回给C中的操作系统。因此，如果它未在C代码中显式释放，则会导致内存泄漏。每次该函数运行时，该过程将继续占用更多内存，直到最终，系统耗尽内存并崩溃！Python将这一责任从程序员手中夺走，并使用两种算法：引用计数器和垃圾收集器。每当解释器被实例化时，PyArena方法创建并附加解释器中的一块内存区域。在CPython解释器的生命周期中，arenas可以被分配。它们与链表相关联。
arenas将Python对象的指针列表存储为PyListObject方法。每当创建一个新的Python对象时，都会使用PyArena_AddPyObject方法添加指向它的指针。
此函数调用将指针存储在arenas列表a_objects中。PyArena方法提供第二个功能，即分配和引用原始内存块列表。例如，如果添加了数千个附加值，C代码中PyList将需要额外的内存。但是PyList不直接分配内存。该对象通过从PyObject调用具有所需内存大小的PyArena_Malloc从PyArena获取原始内存块。此任务在Objects/oballoc.c中的完成。在对象分配模块中，可以为Python对象分配，释放和重新分配内存。已分配块的链接列表存储在arenas内，因此当解释器停止时，可以使用PyArena_Free一次解除所有托管内存块的释放。
以PyListObject为例,如果你使用.append()一将个对象放到Python列表的末尾，就不需要重新分配内存了，而是使用现有列表中内存。
.append()方法调用list_resize()来处理列表的内存分配。每个列表对象都保留已分配内存量的列表。如果要追加的项目将适合现有的可用内存，则只需添加即可。如果列表需要更多内存空间，则会进行扩展。列表的长度扩展为0,4,8,16,25,35,46,58,72,88。
调用PyMem_Realloc可以扩展列表中分配的内存。
综上所述：
- 原始内存块的分配是通过```PyMem_RawAlloc```完成的。
- Python对象的指针存储在```PyArena```中。
- ```PyArena```还存储了已分配内存块的链表。
有关API的更多信息，请参阅CPython文档。
#### 引用计数
要在Python中创建变量并赋值，变量名必须为一。my_variable = 180392
只要在Python中为变量赋值，就会在locals和globals范围内检查变量的名称，以查看它是否已存在。因为my_variable不在locals()或globals()字典中，所以创建了这个新对象，并将该值指定为数字常量180392。现在有一个对my_variable的引用，因此my_variable的引用计数器增加1。
你可以在CPython的C源代码中看到函数```Py_INCREF```和```Py_DECREF```。
这两个函数分别是对该对象的递增和递减做引用计数。当变量超出声明范围时，对对象的引用会递减。Python中的范围可以指代函数或方法，生成式或lambda函数。这些是一些更直观的范围，但还有许多其他隐式范围，比如将变量传递给函数调用。递增和递减引用的处理在CPython编译器和核心执行循环```ceval.c```文件中。我们将在本文后面详细介绍。
每当调用```Py_DECREF```并且计数器变为0时，就会调用```PyObject_Free```函数。对于该对象，会为所有已分配的内存调用```PyArena_Free```。
#### 垃圾收集
CPython的垃圾收集器默认启用，发生在后台，用于释放已不再使用的对象的内存。
因为垃圾收集算法比引用计数器复杂得多，所以它不会一直发生，否则会消耗大量的CPU资源。经过一定数量的操作后，它会定期发生。CPython的标准库附带了一个Python模块，用于与```arena ```和垃圾收集器gc模块连接。
以下是在调试模式下使用gc模块的方法：import gc
gc.set_debug(gc.DEBUG_STATS)
这将在运行垃圾收集器时打印统计信息。
可以通过调用```get_threshold```来获取运行垃圾收集器的阈值：gc.get_threshold()
(700, 10, 10)
还可以获取当前阈值计数：gc.get_count()
(688, 1, 1)
最后，你可以手动运行收集算法：gc.collect()
24
这将调用Modules/gcmodule.c文件中的collect()```，该文件包含垃圾收集器算法的实现。
在第1部分中，我们介绍了源代码库的结构，如何从源代码编译以及Python语言规范。
当你深入了解Python解释器过程时，这些核心概念在第2部分中将是至关重要的。
原文：https://www.cnblogs.com/c-x-a/p/11406531.html