python的解释器spython介绍

python的解释器spython介绍

Python解释器spython介绍

简介

出于个人爱好和某种需求,我再16年对python的解释器产生了浓厚兴趣,并且下定决心重新实现一个版本。我个人再游戏服务器开发中,对c++嵌入lua和python都有着丰富应用经验,自认为对二者的优劣有着深刻的理解。python针对lua的最大优势是python是完备的程序语言,类、模块包括丰富的库和方便好用的字符串操作,可以说python用来实现功能会优雅很多,而lua最大的优势就是小巧高效,另外lua的lua_state是可以有多个实例的,这样就可以多线程使用lua(一个线程单独一个lua_state),而python解释器因为有全局解释器锁,所以无法实现多python解释器实例。考虑到在嵌入python的应用场景中,所用到python的功能都是比较简单通用的功能,比如类、模块,函数,一些复杂的类库也不常用,所以我就想实现一个不使用全局解释器锁,可以有多个python解释器锁的解释器。所以16年底,我自己实现了一下python解释器第一版,第一版是使用AST虚拟语法树直接解析的,虽然做了必要的优化,但是性能。。。。仍然不忍直视。平常我一直吐槽python跑的没有lua快,但是吐槽是一码事,自己实现真的就是另一码事了。我仔细分析了第一版性能低的原因是选错了路!python的虚拟机是讲语法树翻译成ByteCode,然后有个Virtual Machine不断的解释bytecode,而vm的运行又分堆栈模式和寄存器模式,python就是堆栈模式的,而lua是寄存器模式的,寄存器模式是现在的趋势,这也是lua跑到更快的重要原因。我的第一版VM用AST直接跑,选错了路,无论如何也太快不了。但是我仍然把这个第一版打了个分支,分享出来,因为当我实现用寄存器模式的VM的时候,感觉无论如何也无法设计的像AST直接解析的VM那样优雅、直接。AST直接解析的方式真的太直观了,虽然效率很低,但是其仍然有很大的应用价值。比如protocolbuff、thrift这些通过定义语法文件生成代码的这类工具,对语法解析的效率要求不高,那么这个版本的VM再这些领域还是有很大的参考价值。
内部实现层次:
Alt text

Python BNF

一提到实现脚本解释器,估计很多人都会挠头,不知道从何入手。刚开始我也是这样,我把大学里的编译原理从床底下一堆打入冷宫的数量翻出来,一顿猛看。但是仍然没有找到很大头绪,后来我就在python.org上一顿逛,也下载了python的源码分析,源码目录有python的BNF描述文件,因为我已经看过一遍编译原理了,BNF就看的很懂,从头到尾读了一遍了以后,灵光乍现啊!BNF就是完整的解析python语法的流程说明啊!截取一小段做个说明:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
compound_stmt: if_stmt | while_stmt | for_stmt | try_stmt | with_stmt | funcdef | classdef | decorated
if_stmt: 'if' test ':' suite ('elif' test ':' suite)* ['else' ':' suite]
while_stmt: 'while' test ':' suite ['else' ':' suite]
for_stmt: 'for' exprlist 'in' testlist ':' suite ['else' ':' suite]
try_stmt: ('try' ':' suite
((except_clause ':' suite)+
['else' ':' suite]
['finally' ':' suite] |
'finally' ':' suite))
with_stmt: 'with' with_item (',' with_item)* ':' suite
with_item: test ['as' expr]
# NB compile.c makes sure that the default except clause is last
except_clause: 'except' [test [('as' | ',') test]]
suite: simple_stmt | NEWLINE INDENT stmt+ DEDENT

简单解释下,python的Grammar BNF是从顶之下递归描述的。上面最上边定义的是compound_stmt复杂语句,而compound_stmt有if、while、for、try、with、函数定义、类定义、修饰器定义几种,下面紧接着定义了if语句if_stmt的语法规则,这样在c++实现解析python语法的时候,就可以从顶向下按照这个BNF尝试解析,如果不满足这个BNF语法要求的就报错。我为了生成跟这个BNF一致的代码结构,写了个python脚本解析这个BNF自动生成C++的解析函数。生成的C++代码示例如下:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
class Parser{
public:
ExprASTPtr parse(Scanner& scanner);

//! single_input: NEWLINE | simple_stmt | compound_stmt NEWLINE
ExprASTPtr parse_single_input();
//! file_input: (NEWLINE | stmt)* ENDMARKER
ExprASTPtr parse_file_input();
//! eval_input: testlist NEWLINE* ENDMARKER
ExprASTPtr parse_eval_input();
//! decorator: '@' dotted_name [ '(' [arglist] ')' ] NEWLINE
ExprASTPtr parse_decorator();
//! decorators: decorator+
ExprASTPtr parse_decorators();
//! decorated: decorators (classdef | funcdef)
ExprASTPtr parse_decorated();
//! funcdef: 'def' NAME parameters ':' suite
ExprASTPtr parse_funcdef();
//! parameters: '(' [varargslist] ')'
ExprASTPtr parse_parameters();
//! varargslist: ((fpdef ['=' test] ',')*
//! fpdef ['=' test] (',' fpdef ['=' test])* [','])
ExprASTPtr parse_varargslist();
//! fpdef: NAME | '(' fplist ')'
ExprASTPtr parse_fpdef();
//! fplist: fpdef (',' fpdef)* [',']
ExprASTPtr parse_fplist();
//! stmt: simple_stmt | compound_stmt
ExprASTPtr parse_stmt();
//! simple_stmt: small_stmt (';' small_stmt)* [';'] NEWLINE
ExprASTPtr parse_simple_stmt();
//! small_stmt: (expr_stmt | print_stmt | del_stmt | pass_stmt | flow_stmt |
//! import_stmt | global_stmt | exec_stmt | assert_stmt)
ExprASTPtr parse_small_stmt();
//! expr_stmt: testlist (augassign (yield_expr|testlist) |
ExprASTPtr parse_expr_stmt();
.................................

Scanner的实现

scanner负责解析python代码,把python代码分隔这一个个Token对象,并且Token对象的定义如下:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
struct Token{
Token():nTokenType(0), nVal(0), fVal(0.0), nLine(0){
}

std::string dump() const;
int nTokenType;
int64_t nVal;
double fVal;
std::string strVal;
int nLine;
};

enum ETokenType {
TOK_EOF = 0,
//TOK_DEF = -2,
TOK_VAR = -4,
TOK_INT = -5,
TOK_FLOAT = -6,
TOK_STR = -7,
TOK_CHAR = -8,
};

nTokenType定义为ETokenType的枚举。Scanner只扫描python代码,而不解析语法,所有的python代码都会解析成要么整数,要么浮点数要么字符串。这个跟原生的python是有区别的,原生python的数字对象可以表达任意数字,但是为了实现简便,做了简化处理,这也是参考了lua的实现方式每token对象会记录所属的行号,方便语法报错提供有用的信息。
具体scanner的实现就不贴出来了,感兴趣的可以去查看源码,还是比较简单的。

Parser的实现

Parser的头文件是脚本解析BNF自动生成的。负责把scanner解析的token列表,按照BNF的规则构造成AST。AST节点对象定义为ExprAST:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
class ExprAST {
public:
ExprAST(){
}
virtual ~ExprAST() {}
virtual PyObjPtr& eval(PyContext& context) = 0;

unsigned int getFieldIndex(PyContext& context, PyObjPtr& obj);

virtual PyObjPtr& getFieldVal(PyContext& context);
virtual PyObjPtr& assignVal(PyContext& context, PyObjPtr& v){
PyObjPtr& lval = this->eval(context);
lval = v;
return lval;
}
virtual void delVal(PyContext& context){
PyObjPtr& lval = this->eval(context);
lval = NULL;
}

virtual int getType() {
return 0;
}

public:
std::string name;
ExprLine lineInfo;
//std::vector<std::vector<int> > module2objcet2fieldIndex;
std::vector<int> module2objcet2fieldIndex;
};
class PyObj {
public:
RefCounterData* getRefData(){
return &refdata;
}
void release();
typedef PySmartPtr<PyObj> PyObjPtr;
PyObj():m_pObjIdInfo(NULL), handler(NULL){}
virtual ~PyObj() {}

int getType() const;
virtual int getFieldNum() const { return m_objStack.size(); }
static std::string dump(PyContext& context, PyObjPtr& self, int preBlank = 0);

virtual PyObjPtr& getVar(PyContext& c, PyObjPtr& self, ExprAST* e);
virtual const ObjIdInfo& getObjIdInfo() = 0;

void clear(){
m_objStack.clear();
}
inline PyObjHandler* getHandler() { return handler; }
inline const PyObjHandler* getHandler() const { return handler; }
public:
std::vector<PyObjPtr> m_objStack;
ObjIdInfo* m_pObjIdInfo;
PyObjHandler* handler;
RefCounterData refdata;
};
typedef PyObj::PyObjPtr PyObjPtr;
  //ExprAST抽象了AST节点的几个操作。最主要的就是求值操作eval。比如100求值就是100,'abc'求值就是字符串'abc',生成对应的值对象。每个值对象都继承PyObj。每个PyObj都会定义ObjHander接口用于实现python对象的各个操作,比如+、-、/等,不同的python值对象,响应的操作是不一样,这里利用了c++的多态。

class PyObjHandler{
public:
virtual ~PyObjHandler(){}

virtual int getType() const = 0;

virtual std::string handleStr(PyContext& context, const PyObjPtr& self) const;
virtual std::string handleRepr(PyContext& context, const PyObjPtr& self) const;
virtual int handleCmp(PyContext& context, const PyObjPtr& self, const PyObjPtr& val) const;
virtual bool handleBool(PyContext& context, const PyObjPtr& self) const;
virtual bool handleEqual(PyContext& context, const PyObjPtr& self, const PyObjPtr& val) const;
virtual bool handleLessEqual(PyContext& context, const PyObjPtr& self, const PyObjPtr& val) const;
virtual bool handleGreatEqual(PyContext& context, const PyObjPtr& self, const PyObjPtr& val) const;
virtual bool handleContains(PyContext& context, const PyObjPtr& self, const PyObjPtr& val) const;

virtual bool handleLess(PyContext& context, const PyObjPtr& self, const PyObjPtr& val) const;
virtual bool handleGreat(PyContext& context, const PyObjPtr& self, const PyObjPtr& val) const;

virtual PyObjPtr& handleAdd(PyContext& context, PyObjPtr& self, PyObjPtr& val);
virtual PyObjPtr& handleSub(PyContext& context, PyObjPtr& self, PyObjPtr& val);
virtual PyObjPtr& handleMul(PyContext& context, PyObjPtr& self, PyObjPtr& val);
virtual PyObjPtr& handleDiv(PyContext& context, PyObjPtr& self, PyObjPtr& val);
virtual PyObjPtr& handleMod(PyContext& context, PyObjPtr& self, PyObjPtr& val);


virtual PyObjPtr& handleIAdd(PyContext& context, PyObjPtr& self, PyObjPtr& val);
virtual PyObjPtr& handleISub(PyContext& context, PyObjPtr& self, PyObjPtr& val);
virtual PyObjPtr& handleIMul(PyContext& context, PyObjPtr& self, PyObjPtr& val);
virtual PyObjPtr& handleIDiv(PyContext& context, PyObjPtr& self, PyObjPtr& val);
virtual PyObjPtr& handleIMod(PyContext& context, PyObjPtr& self, PyObjPtr& val);

virtual PyObjPtr& handleCall(PyContext& context, PyObjPtr& self, std::vector<ArgTypeInfo>& allArgsVal,
std::vector<PyObjPtr>& argAssignVal);
virtual size_t handleHash(PyContext& context, const PyObjPtr& self) const;
virtual bool handleIsInstance(PyContext& context, PyObjPtr& self, PyObjPtr& val);
virtual long handleLen(PyContext& context, PyObjPtr& self);
virtual PyObjPtr& handleSlice(PyContext& context, PyObjPtr& self, PyObjPtr& startVal, int* stop, int step);
virtual PyObjPtr& handleSliceAssign(PyContext& context, PyObjPtr& self, PyObjPtr& k, PyObjPtr& v);
virtual void handleSliceDel(PyContext& context, PyObjPtr& self, PyObjPtr& k){}

virtual void handleRelese(PyObj* data);
};

Python库的实现

  实现的python库列表如下:

  • list dict tuple copy string
  • datetime
  • json
  • math
  • os
  • random
  • open stringio
  • struct
  • sys
  • weak

总结

-  spython就是small python,本来想实现最简版本的python解释器,后来实现的比较顺,一口气把常用的python库都实现了。spython最成功的部分就是ast的解析和执行,代码结构清晰完全按照bnf的流程来,很直接明了。缺点主要有二。一是语法报错还是太简陋,不够友好。二是性能达不到原生python的性能。前文已经说过了,要达到甚至超过原生python的水平,必须要实现基于寄存器的VM,这个已经着手再弄了,暂时还不会放出代码,等差不多成型了再放出来吧。
-  代码地址:https://git.oschina.net/ownit/spython
-  构建:Linux下直接make就可以了,win下需要用dev c++