Python 是如何执行我的代码的？

理解 Python 如何执行你的代码，可以帮助我们解释很多“为什么”——为什么会有 .pyc 文件？为什么 Python 相对较慢？多线程为什么不能利用多核？

我们可以用一个“厨师做菜”的比喻来理解整个过程，然后再深入技术细节。

---

一、比喻：厨师（Python）根据菜谱（你的代码）做菜

想象一下，你是一位顾客，写了一份非常精确的菜谱（你的 .py 文件）交给一位名叫 CPython 的大厨（最常见的 Python 解释器）。

1. 第一步：厨师读懂菜谱（Parsing -> AST）

   • 厨师不会直接逐字朗读菜谱并操作。他会先通读一遍，理解菜谱的结构。比如，“先将土豆切块，然后和牛肉一起炖煮30分钟”。
   • 他会在脑中形成一个清晰的操作流程树：“总任务：炖牛肉” -> “子任务1：准备食材” -> “动作：切土豆”、“动作：切牛肉” -> “子任务2：烹饪” -> “动作：炖煮”。
   • 在 Python 中，这个过程叫做解析（Parsing），生成的这个“操作流程树”叫做抽象语法树（Abstract Syntax Tree, AST）。它把你的代码文本转换成了一个计算机更容易理解的结构化数据。

2. 第二步：厨师将菜谱翻译成厨房“行话”（Compilation -> Bytecode）

   • 高级餐厅的厨房里，厨师们有自己的“行话”或简写。
   • 我们的 CPython 厨师也会做类似的事。他会把那个复杂的“操作流程树”翻译成一种更低级、更接近机器指令的语言——字节码（Bytecode）。
   • 这个字节码就像是厨房的内部指令集，比如 LOAD_CONST 1 (value: '土豆'), CALL_FUNCTION '切', STORE_FAST '切好的土豆'。它比源代码更紧凑，执行起来也更快。
   • 缓存优化：如果这份菜谱（代码）没有修改过，聪明的厨师会把翻译好的“行话”（字节码）写在一个小本本上（存为 .pyc 文件，放在 __pycache__ 文件夹里）。下次你再点同样的菜，他直接拿出小本本，跳过第一步，大大提高效率。

3. 第三步：厨师助手按“行话”指令操作（Execution by PVM）

   • 最后，有一个严格执行命令的厨房总管，我们称之为 Python 虚拟机（Python Virtual Machine, PVM）。
   • PVM 就像一个大循环，它一条一条地读取字节码指令，然后指挥厨房里的各种工具（CPU、内存）去完成实际的操作。比如，它读到 LOAD_CONST 1，就在货架上（内存）找到一个常量；读到 BINARY_ADD，就调用加法器（CPU 的算术逻辑单元）来执行加法。
   • PVM 负责管理所有的资源，包括食材（数据对象）、厨具（内存空间）等。

---

二、技术细节分解

现在，我们把比喻换成专业术语。当你运行 python my_script.py 时，CPython 解释器内部发生了以下核心步骤：

第 1 步：解析 (Parsing)

解释器首先读取你的 .py 源代码文件。

• 词法分析 (Lexical Analysis): 将代码文本打碎成一个个有意义的最小单元，称为词法单元 (Token)。例如，x = 10 会被分解为 NAME('x'), EQUAL('='), NUMBER('10')。
• 语法分析 (Syntax Analysis): 根据 Python 的语法规则，将这些词法单元组合成一个树形结构，也就是我们前面提到的抽象语法树 (AST)。这个树精确地表达了代码的逻辑结构。

第 2 步：编译 (Compilation)

接下来，解释器会遍历 AST，并将其“编译”成 Python 特有的字节码 (Bytecode)。

• 什么是字节码？ 它是一种平台无关的中间指令集。它不像机器码（0和1）那么底层，但比源代码更接近硬件。你可以把它看作是 PVM 的“汇编语言”。
• 为什么要这一步？ 直接解释 AST 效率很低。编译成字节码是一次性的优化，后续 PVM 执行字节码会快得多。
• .pyc 文件：编译产生的字节码会被缓存到 __pycache__ 目录下的 .pyc 文件中。如果你的 .py 文件没有被修改，下次运行时 Python 会直接加载这个 .pyc 文件，跳过解析和编译步骤，从而加快启动速度。

你甚至可以自己查看字节码！使用 dis 模块：

import dis

def my_func(a, b):
    return a + b

dis.dis(my_func)

输出会是类似这样的字节码指令。

第 3 步：执行 (Execution)

最后，Python 虚拟机 (PVM) 登场。PVM 是 Python 解释器的核心，它是一个巨大的循环（eval loop），负责：

1. 读取下一条字节码指令。
2. 解释这条指令的含义。
3. 执行对应的 C 函数来完成操作（比如创建对象、进行数学运算、调用函数等）。
4. 循环直到没有字节码可以执行。

PVM 还负责管理内存（对象的创建、销毁和垃圾回收）和执行栈（跟踪函数调用）。

---

总结与关键点

• Python 是解释型语言，但它的主流实现 (CPython) 包含一个编译步骤。 它不是直接解释源代码，而是先编译成字节码，再由虚拟机解释执行字节码。这让它介于纯粹的解释型语言（如 Bash）和纯粹的编译型语言（如 C++）之间。

• PVM 是跨平台的关键。 只要一个操作系统上有对应的 PVM，你的同一份 Python 字节码（和源代码）就可以在上面运行，无论是 Windows, macOS 还是 Linux。

• .pyc 文件是启动速度的优化，不是性能优化的全部。 它只节省了解析和编译的时间，代码的实际运行速度取决于 PVM 执行字节码的效率。

• GIL (全局解释器锁) 是在 PVM 这一层实现的。 在 CPython 中，GIL 保证了在任何时刻，只有一个线程在执行 Python 字节码。这也是为什么 Python 多线程在 CPU 密集型任务上无法利用多核的原因，因为 PVM 的这个限制。

通过理解这个流程，你就掌握了 Python 执行模型的“第一性原理”，很多更高级的概念（如装饰器如何工作、GIL 的影响等）也就有了坚实的基础。