Python解释执行原理

谈到了Python语句的两种执行方式，实际上，这两种运行方式在本质 上是相同的，它们都是由解释器来解释执行我们提供的Python语句。 这里所说的解释执行是相对于编译执行而言的。我们知道，使用诸如 C或C++之类的编译性语言编写的程序可以从源文件转换成计算机使用 的机器语言， 经连接器连接后形成二进制可执行文件。当我们运行二进制可执行程 序的时候，因为已经编译好了，所以加载器软件把二进制程序从硬盘 载入内存中并运行。

 

 

与之不同，Python语言写的程序不需要编译成二进制代码，它可以直 接从源代码运行程序。当我们运行Python文件程序的时候， Python解释器把源代码转换成中间形式：字节码，然后再由Python虚 拟机来执行这些字节码，如图5所示。 这样的话，我们就用不着担心程序的编译，库的连接加载等问题了， 所有这些工作都由Python虚拟机代劳了。 对于Python的解释语言特性，我们要一分为二的看待。一方面，每次 运行时都要进行转换成 字节码，然后再由虚拟机把字节码转换成机器语言，最后才能在硬件 上运行。较之于编译性 编程 语言，每次运行都会多出两道工序，所以它的性能会受到影响。另一 方面，由于不用关心程 序的编译以及库的连接等问题，所以开发工作会变得更轻松；同时虚 拟机距离物理机器更远 了， 所以Python程序更加易于移植，实际上无需改动就能在多种平台上运 行。

 

 

1. 在具体计算机上实现一种语言，首先要确定的是表示该语言语义解释 的虚拟计算机，一个关键的问题是程序执行时的基本表示是实际计算 机上的机器语言还是虚拟机 的机器语言。这个问题决定了语言的实现。根据这个问题的回答，可 以将程序设计语言划分为两大类：编译型语言和解释型语言。

 

2. 由编译型语言编写的源程序需要经过编译、汇编和链接才能输出目标 代码，然后机器执行目标代码，得出运行结果，目标代码由机器指令 组成，一般不能独立运行， 因为源程序中可能使用了某些汇编程序不能解释引用的库函数，而库 函数代码又不在源程序中，此时还需要链接程序完成外部引用和目标 模块调用的链接任务，最后 输出可执行代码。C、C++、Fortran、Pascal、Ada都是编译实现的。

 

3. 解释型语言的实现中，翻译器并不产生目标机器代码，而是产生易于 执行的中间代码，这种中间代码与机器代码是不同的，中间代码的解 释是由软件支持的，不能直接 使用硬件，软件解释器通常会导致执行效率较低。用解释型语言编写 的程序是由另一个可以理解中间代码的解释程序执行的。与编译程序 不同的是，解释程序的任务 是逐一将源程序的语句解释成可执行的机器指令，不需要将源程序翻 译成目标代码后再执行。对于解释型Basic语言，需要一个专门的解 释器解释执行 Basic程序，每条语言只有在执行才被翻译。这种解释型语言每执行 一次就翻译一次，因而效率低下。

 

4. Java很特殊，Java程序也需要编译，但是没有直接编译称为机器语言 ，而是编译称为字节码，然后在Java虚拟机上用解释方式执行字节码 。Python 的也采用了类似Java的编译模式，先将Python程序编译成Python字节 码，然后由一个专门的Python字节码解释器负责解释执行字节码。

 

(Java虚拟机对字节码的执行相当于模拟一个cpu，而ruby1.8--在虚 拟机还未出现前--是通过解释成语法树执行。)

 

Python是一个解释型的语言。但是为了效率上的考虑，Python也提供 了编译的方法。编译之后是bytecode的形式。Python也提供了和Java 类似的VM来执行这样的bytecode。不同的是，因为Python是一个解释 型的语言，所以编译（compile）不是一个强制的操作。事实上，编 译是一个自动的过程。多数情况下，你甚至不会在意他的存在。编译 成bytecode可以节省加载模块的时间，从而提高效率

 

除了效率原因，bytecode也增加了反向工程的难度，在某种程度上保 护你的代码。当然，反编译仍然是可以的。所以如果真的想保护代码 ，还是用别的方法吧。 另外Python还提供了-O选项，可以编译生成“优化”的bytecode，文 件扩展名是.pyo。但实际上优化的内容有限，作用不大。 如果希望生成可执行文件，就要依赖于第三方的工具了。