PYC文件简介
不说废话,这里说的pyc文件就是 程序编译后得到的字节码文件 (py->pyc).
基本格式
pyc文件一般由3个部分组成:
- 最开始4个字节是一个Maigc int, 标识此pyc的版本信息, 不同的版本的 Magic 都在 Python/import.c 内定义
- 接下来四个字节还是个int,是pyc产生的时间(1970.01.01到产生pyc时候的秒数)
- 接下来是个序列化了的 PyCodeObject(此结构在 Include/code.h 内定义),序列化方法在 Python/marshal.c 内定义
前两个字段的读写很简单,接下来咱们主要看一下 PyCodeObject 的序列化过程, 由于 PyCodeObject 内还有其他很多类型的 PyObject, 所以咱们从一般的 PyObject 的序列化开始看起:
PyObject的序列化
PyObject的序列化在 Python/marshal.c 内实现, 一般是先写入一个 byte 来标识此 PyObject 的类型, 每种 PyObject 对应的类型也在 Python/marshal.c 内定义:
//Python/marshal.c:22 #define TYPE_NULL '0' #define TYPE_NONE 'N' #define TYPE_FALSE 'F' #define TYPE_TRUE 'T' #define TYPE_STOPITER 'S' #define TYPE_ELLIPSIS '.' #define TYPE_INT 'i' #define TYPE_INT64 'I' #define TYPE_FLOAT 'f' #define TYPE_BINARY_FLOAT 'g' #define TYPE_COMPLEX 'x' #define TYPE_BINARY_COMPLEX 'y' #define TYPE_LONG 'l' #define TYPE_STRING 's' #define TYPE_INTERNED 't' #define TYPE_STRINGREF 'R' #define TYPE_TUPLE '(' #define TYPE_LIST '[' #define TYPE_DICT '{' #define TYPE_CODE 'c' #define TYPE_UNICODE 'u' #define TYPE_UNKNOWN '?' #define TYPE_SET '<' #define TYPE_FROZENSET '>' | ‘i’ | 4 bytes int |
| ‘I’ | 8 bytes int |
而 PyStringObject 的存储是这样的:
| ‘s’ | 4 bytes length | length bytes content(char[]) |
PyTupleObject 和 PyListObject 的存储分别是:
| ‘(‘ | 4 bytes length | length 个 PyObject |
| ‘[‘ | 4 bytes length | length 个 PyObject |
各种 PyObject 如何序列化,哪些内容被参与了序列化, 可以参看 Python/marshal.c 内的函数 w_object 函数, 接下来咱们着重看下前面提到的 PyCodeObject 的序列化:
PyCodeObject 的序列化
结构体 PyCodeObject 在 Include/code.h 中定义如下:
//Include/code.h typedef struct { PyObject_HEAD int co_argcount; /* #arguments, except *args */ int co_nlocals; /* #local variables */ int co_stacksize; /* #entries needed for evaluation stack */ int co_flags; /* CO_..., see below */ PyObject *co_code; /* instruction opcodes */ PyObject *co_consts; /* list (constants used) */ PyObject *co_names; /* list of strings (names used) */ PyObject *co_varnames; /* tuple of strings (local variable names) */ PyObject *co_freevars; /* tuple of strings (free variable names) */ PyObject *co_cellvars; /* tuple of strings (cell variable names) */ /* The rest doesn't count for hash/cmp */ PyObject *co_filename; /* string (where it was loaded from) */ PyObject *co_name; /* string (name, for reference) */ int co_firstlineno; /* first source line number */ PyObject *co_lnotab; /* string (encoding addr<->lineno mapping) See Objects/lnotab_notes.txt for details. */ void *co_zombieframe; /* for optimization only (see frameobject.c) */ PyObject *co_weakreflist; /* to support weakrefs to code objects */ } PyCodeObject; //... else if (PyCode_Check(v)) { PyCodeObject *co = (PyCodeObject *)v; w_byte(TYPE_CODE, p); w_long(co->co_argcount, p); w_long(co->co_nlocals, p); w_long(co->co_stacksize, p); w_long(co->co_flags, p); w_object(co->co_code, p); w_object(co->co_consts, p); w_object(co->co_names, p); w_object(co->co_varnames, p); w_object(co->co_freevars, p); w_object(co->co_cellvars, p); w_object(co->co_filename, p); w_object(co->co_name, p); w_long(co->co_firstlineno, p); w_object(co->co_lnotab, p); } //... - co_argcount : code需要的位置参数个数,不包括变长参数(*args和**kwargs)
- co_nlocals : code内所有的局部变量的个数,包括所有参数
- co_stacksize : code段运行时所需要的最大栈深度
- co_flags : 一些标识位,也在code.h里定义,注释很清楚,比如 CO_NOFREE(64) 表示此 PyCodeObject 内无 freevars 和 cellvars 等
- co_code : PyStringObject(‘s’), code对应的字节码(参看 Include/opcode.h 以及此文后续章节)
- co_consts : 所有常量组成的tuple
- co_names : code所用的到符号表, tuple类型,元素是字符串
- co_varnames : code所用到的局部变量名, tuple类型, 元素是 PyStringObject(‘s/t/R’)
- co_freevars : code所用到的freevar的变量名,tuple类型, 元素是 PyStringObject(‘s/t/R’)
- co_cellvars : code所用到的cellvar的变量名,tuple类型, 元素是 PyStringObject(‘s/t/R’)
- co_filename : PyStringObject(‘s’), 此code对应的py文件
- co_name : 此code的名称
- co_firstlineno : 此code对应的py文件里的第一行的行号
- co_lnotab : PyStringObject(‘s’),指令与行号的对应表
在 Python 代码中,每个作用域(或者叫block或者名字空间?)对应一个 PyCodeObject 对象, 所以会出现嵌套: 比如 一个 module 类 定义了 N 个 class, 每个 class 内又定义了 M 个方法. 每个 子作用域 对应的 PyCodeObject 会出现在它的 父作用域 对应的 PyCodeObject 的 co_consts 字段里.
接下来用个例子对上面的某些字段做个说明, 比如下面的python代码
#test.py import struct def abc(c): a=1 b=2 return struct.pack("S",a+b+c) var_a="abc" var_b={var_a:123,"sec_key":abc} | 字段 | 值 | 注释 |
|---|---|---|
| co_argcount | 0 | 模块没有参数 |
| co_nlocals | 0 | 模块没有局部变量 |
| co_stacksize | 3 | 栈最大尺寸 |
| co_flags | 64 | CO_NOFREE |
| co_code | ‘dx00x00d...’ | 字节码序列 |
| co_consts | (-1, None, another-code-obj...) | 所有常量,包括模块里的 function,method |
| co_names | (‘struct’, ‘abc’, ‘var_a’, ‘var_b’) | 此作用域内用到的所有符号 |
| co_varnames | () | 局部变量名(模块没有局部变量) |
| co_freevars | () | freevars |
| co_cellvars | () | cellvars |
| co_filename | test.py | 源码文件名 |
| co_name | ‘<module>’ | code名字,模块名都是<module>,class是类名,func是函数名 |
| co_firstlineno | 3 | 此code对应作用域的第一行的行号 |
| co_lnotab | ‘x0cx02tx05x06x01’ | 行号表 |
这其中的 co_consts 里面的第三个元素是function abc的PyCodeObject, 我们来看下function abc的code的各字段:
| 字段 | 值 | 注释 |
|---|---|---|
| co_argcount | 1 | 1个参数c |
| co_nlocals | 3 | 1个参数c, 两个局部变量a,b |
| co_stacksize | 4 | 栈最大尺寸 |
| co_flags | 67 | CO_OPTIMIZATION | CO_NEWLOCALS | CO_NOFREE |
| co_code | ‘dx01x00}...’ | 字节码序列 |
| co_consts | (None, 1, 2, ‘S’) | 函数里用到的所有常量 |
| co_names | (‘struct’, ‘pack’) | 此作用域内用到的所有符号 |
| co_varnames | (‘c’, ‘a’, ‘b’) | 局部变量名 |
| co_freevars | () | freevars |
| co_cellvars | () | cellvars |
| co_filename | test.py | 源码文件名 |
| co_name | ‘abc’ | code名字,func是函数名 |
| co_firstlineno | 5 | 此code对应作用域的第一行的行号 |
| co_lnotab | ‘x00x01x06x01x06x01’ | 行号表 |
图解 test.py 与 test.pyc 的结构关系
co_freevars 与 co_cellvars
这两个字段是给 Closure 准备的(Python里没有真正的Closure),通俗的说就是函数嵌套的时候用的到,比如:
def outter(o1,o2): fc1=o1+o2 fc2=o1*o2 def inner(i): return (fc1+fc2)*i
- 对于 inner 函数, fc1 和 fc2 既不是局部变量也不是全局变量,他引用自外层函数, 则 fc1 和 fc2 是 inner 的 freevars
PyStringObject 的序列化
通过前面的介绍,你可能会发现PyCodeObject里面的用到str(‘s’)类型的地方很多,什么co_consts啊,co_names,co_varnames,co_freevars,co_cellvars等等都是str的tuple,里面的str重复的也比较多,要是一股脑这么写进去可能会占用很大空间,于是w_object里对PyStringObject的序列化又多加了两种类型:
- ‘t’ : interned-string, 暂时可能简单理解为 pyc 里回重复出现的 str, 这个类型就是简单的把 str 的类型 ‘s’ 改成 ‘t’ 了,后面还是跟 length(4bytes) 和 content(char[])
- ‘R’ : 指向 interned-string 的字符串引用, ‘R’后面跟4个 bytea 的引用序号
具体看 Python/marshal.c 内 w_object 的相关实现:
//... else if (PyString_CheckExact(v)) { if (p->strings && PyString_CHECK_INTERNED(v)) { PyObject *o = PyDict_GetItem(p->strings, v); if (o) { long w = PyInt_AsLong(o); w_byte(TYPE_STRINGREF, p); w_long(w, p); goto exit; } else { int ok; o = PyInt_FromSsize_t(PyDict_Size(p->strings)); ok = o && PyDict_SetItem(p->strings, v, o) >= 0; Py_XDECREF(o); if (!ok) { p->depth--; p->error = WFERR_UNMARSHALLABLE; return; } w_byte(TYPE_INTERNED, p); } } else { w_byte(TYPE_STRING, p); } n = PyString_GET_SIZE(v); if (n > INT_MAX) { /* huge strings are not supported */ p->depth--; p->error = WFERR_UNMARSHALLABLE; return; } w_long((long)n, p); w_string(PyString_AS_STRING(v), (int)n, p); } //... 行号对照表
co_lnotab可以看做是(字节码在co_opcode中的index增量(1 byte),对应的源码的行号增量(1-bytes))顺次串成的的字节数组(字符串).
字段 co_code 与 Python的OPCODE
PyCodeObject 的 co_code 字段就是 python opcode 组成的序列, 具体有哪些 opcode可以参看 Include/opcode.h , 这里面有些opcode有参数,有些没有参数, 从opcode.h内的代码段:
#define HAVE_ARGUMENT 90 /* Opcodes from here have an argument: *///...#define HAS_ARG(op) ((op) >= HAVE_ARGUMENT) 可以看出,大于等与90的opcode是有参数的, 有参数的opcode的参数是两个 unsigned byte, 第一个是操作数, 第二个目前固定为0x00但是不能省略,举例来说,我要把当前code的co_consts里的第二个常量(index是1)载入到栈顶,则对应的opcode序列为: |LOAD_CONST|0x01|0x00| ,也就是 '0x640x010x00'
其他的opcode大都类似,主要是对函数调用栈以及co_consts, co_varnames, co_freevars, co_cellvars的操作, 还有些BUILD_CLASS, BUILD_MAP, BUILD_LIST, BUILD_TUPLE, BUILD_SLICE, MAKE_FUNCTION, MAKE_CLOSURE 等构建对象的特殊指令.
有参数的 opcode 的参数的参数大多时候是个 index, 比如 LOAD_CONST 1 的 1 就是个 index, 表示把当前 PyCodeObject.co_consts[1] 这个常量载入到栈顶, LOAD_FAST 2 则是把 PyCodeObject.co_varnames[2] 这个局部变量载入到栈顶；而 MAKE_FUNCTION 2 则表示栈顶code-obj对应的 function有两个默认参数.
前面 test.pyc 之外的东西, 比如 class/closure 的创建, 也都逃不过这些指令, 具体每个指令的解释和用法可以参看 :
Page(Article) Information / 页面(文章)信息:
- Author : KDr2
- License : | | |
- Hosted on