语义分析_抽象语法树_反汇编

回忆

• 上次回顾了一下历史
  • python 是如何从无到有的
  • 看到 Guido 长期的坚持和努力

• python究竟是如何理解
  • print(“hello”)的？
  • 这些ascii字母如何被组织起来执行？

纯文本

• 首先编写Guido的简历

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")

• 并保存为Guido.py

生成token流

• 回到shell之后
  • 从字符流生成token流

• 这个过程叫做分词

分词

• 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)

• 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
    • compile

compile

• 我可以看看这个编译过程么？

指令

• instruction
• 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

编译结果

• 先看看这个pyc文件
  • 注意他在__pycache__文件夹下

• :%!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

• py文件每行print 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
• 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

找到对应关系

• 可以找对应关系

• 我们从头捋一下

python3 执行过程

• 不管是python3这个游乐场
  • 还是Guido.py这个python程序
  • 都在我们的硬盘上

• 先得把文件从硬盘读到内存

python3 执行的过程大致是这样

• 先把python3.8这个主解释器
  • 加载到内存中
• 然后 在x86-64的cpu上 执行
  • 模拟出 一台python虚拟机

• 准备开始 对py文件 解释执行

先编译

• 然后把参数 Guido.py 这个需要执行的程序 加载到内存
  • 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 (byte_code)

• 也就是编译后 的pyc文件

解释执行

• 不过 这个pyc指令文件
  • 是基于python虚拟机的 虚拟cpu的 指令集的

• 需要放到 模拟好的 python虚拟机中
• 一条条指令 进行执行

换句话说

• 简化版的 hello.py 的执行过程是：
  • 给了 python3 一个参数 Guido.py
  • 使用 python3 这个解释器来解释执行 Guido.py
  • Guido.py中的语句一句句地依次解释执行
• 全解释完成 后
  • 退出python这个程序
  • 把控制权交回到shell

• 这些 都是基于 解释器python3的
  • 所谓的 解释器python3
    • 先编译成 python虚拟机的 虚拟指令字节码
    • 然后用 python虚拟机 直接执行虚拟指令
• 而解释器(python3) 是
  • 在不同系统 不同架构的cpu语言上 运行的

• 那不同的系统、cpu架构
  • python3 为什么 都能正确地解释？

总结

• 这次把py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)
    • 这里确立了优先级
  • 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

• 先从 python3最基础的

  • 变量声明和赋值来看看
    • python虚拟机是如何做的？🤔

• 我们下次再说👋

• 蓝桥->https://www.lanqiao.cn/courses/3584

• github->https://github.com/overmind1980/oeasy-python-tutorial

• gitee->https://gitee.com/overmind1980/oeasypython