您现在的位置是：网站首页> 编程资料编程资料

Python对象的生命周期源码学习_python_

2023-05-26 407人已围观

简介 Python对象的生命周期源码学习_python_

思考：

当我们输入这个语句的时候，Python内部是如何去创建这个对象的？

a = 1.0

对象使用完毕，销毁的时机又是怎么确定的呢？

下面，我们以一个基本类型float为例，来分析对象从创建到销毁这整个生命周期中的行为。

1 C API

Python是用C写的，对外提供了API，让用户可以从C环境中与其交互，并且Python内部也大量使用了这些API。C API分为两类：泛型API以及特型API。

泛型API：与类型无关，属于抽象对象层，这类API的参数是PyObject *，即可以处理任意类型的对象。以PyObject_Print为例：

// 打印浮点对象 PyObject *fo = PyFloat_FromDouble(3.14); PyObject_Print(fo, stdout, 0); // 打印整数对象 PyObject *lo = PyLong_FromLong(100); PyObject_Print(lo, stdout, 0);

特型API：与类型相关，属于具体对象层，这类API只能作用于某种类型的对象

2 对象的创建

2.1 两种创建对象的方式

Python内部一般通过两种方法创建对象：

通过C API，多用于内建类型

以浮点类型为例，Python内部提供PyFloat_FromDouble，这是一个特型C API，在这个接口内部为PyFloatObject结构体变量分配内存，并初始化相关字段：

PyObject * PyFloat_FromDouble(double fval) { PyFloatObject *op = free_list; if (op != NULL) { free_list = (PyFloatObject *) Py_TYPE(op); numfree--; } else { op = (PyFloatObject*) PyObject_MALLOC(sizeof(PyFloatObject)); if (!op) return PyErr_NoMemory(); } /* Inline PyObject_New */ (void)PyObject_INIT(op, &PyFloat_Type); op->ob_fval = fval; return (PyObject *) op; }

通过类型对象，多用于自定义类型

对于自定义类型，Python就无法事先提供C API了，这种情况下就只能通过类型对象中包含的元数据（分配多少内存，如何初始化等等）来创建实例对象。

由类型对象创建实例对象是一个更通用的流程，对于内建类型，除了通过C API来创建对象意外，同样也可以通过类型对象来创建。以浮点类型为例，我们通过类型对象float，创建了一个实例对象f：

f: float = float('3.123')

2.2 由类型对象创建实例对象

思考：既然我们可以通过类型对象来创建实例对象，那么类型对象中应该存在相应的接口。

在PyType_Type中找到了tp_call字段：

PyTypeObject PyType_Type = { PyVarObject_HEAD_INIT(&PyType_Type, 0) "type", /* tp_name */ sizeof(PyHeapTypeObject), /* tp_basicsize */ sizeof(PyMemberDef), /* tp_itemsize */ (destructor)type_dealloc, /* tp_dealloc */ // ... (ternaryfunc)type_call, /* tp_call */ // ... };

因此，float(‘3.123’)在C层面就等价于：

PyFloat_Type.ob_type.tp_call(&PyFloat_Type, args. kwargs)

这里大家可以思考下为什么是PyFloat_Type.ob_type——因为我们在float(‘3.14’)中是通过float这个类型对象去创建一个浮点对象，而对象的通用方法是由它对应的类型管理的，自然float的类型就是type，所以我们要找的就是type的tp_call字段。

type_call函数的C源码：（只列出部分）

static PyObject * type_call(PyTypeObject *type, PyObject *args, PyObject *kwds) { PyObject *obj; // ... obj = type->tp_new(type, args, kwds); obj = _Py_CheckFunctionResult((PyObject*)type, obj, NULL); if (obj == NULL) return NULL; // ... type = Py_TYPE(obj); if (type->tp_init != NULL) { int res = type->tp_init(obj, args, kwds); if (res < 0) { assert(PyErr_Occurred()); Py_DECREF(obj); obj = NULL; } else { assert(!PyErr_Occurred()); } } return obj; }

其中有两个关键的步骤：（这两个步骤大家应该是很熟悉的）

  • 调用类型对象的tp_new函数指针，用于申请内存；
  • 如果类型对象的tp_init函数指针不为空，则会对对象进行初始化。

总结：（以float为例）

  • 调用float，Python最终执行的是其类型对象type的tp_call指针指向的type_call函数。
  • type_call函数调用float的tp_new函数为实例对象分配内存空间。
  • type_call函数必要时进一步调用tp_init函数对实例对象进行初始化。

图示如下：

3 对象的多态性

通过类型对象创建实例对象，最后会落实到调用type_call函数，其中保存具体对象时，使用的是PyObject *obj，并没有通过一个具体的对象（例如PyFloatObject）来保存。这样做的好处是：可以实现更抽象的上层逻辑，而不用关心对象的实际类型和实现细节。（记得当初从C语言的面向过程向Java中的面向对象过度的时候，应该就是从结构体）

以对象哈希值计算为例，有这样一个函数接口：

Py_hash_t PyObject_Hash(PyObject *v) { // ... }

对于浮点数对象和整数对象：

PyObject *fo = PyFloatObject_FromDouble(3.14); PyObject_Hash(fo); PyObject *lo = PyLongObject_FromLong(100); PyObject_Hash(lo);

可以看到，对于浮点数对象和整数对象，我们计算对象的哈希值时，调用的都是PyObject_Hash()这个函数，但是对象类型不同，其行为是有区别的，哈希值计算也是如此。

那么在PyObject_Hash函数内部是如何区分的呢？

PyObject_Hash()函数具体逻辑：

Py_hash_t PyObject_Hash(PyObject *v) { PyTypeObject *tp = Py_TYPE(v); if (tp->tp_hash != NULL) return (*tp->tp_hash)(v); /* To keep to the general practice that inheriting * solely from object in C code should work without * an explicit call to PyType_Ready, we implicitly call * PyType_Ready here and then check the tp_hash slot again */ if (tp->tp_dict == NULL) { if (PyType_Ready(tp) < 0) return -1; if (tp->tp_hash != NULL) return (*tp->tp_hash)(v); } /* Otherwise, the object can't be hashed */ return PyObject_HashNotImplemented(v); }

函数会首先通过Py_TYPE找到对象的类型，然后通过类型对象的tp_hash函数指针来调用对应的哈希计算函数。

即：PyObject_Hash()函数根据对象的类型，调用不同的函数版本，这就是多态。

4 对象的行为

除了tp_hash字段，PyTypeObject结构体还定义了很多函数指针，这些指针最终都会指向某个函数，或者为空。我们可以把这些函数指针看作是类型对象中定义的操作，这些操作决定了对应的实例对象在运行时的行为。

虽然不同的类型对象中保存了对应实例对象共有的行为，但是不同类型的对象也会存在一些共性。例如：整数对象和浮点数对象都支持加减乘除等擦欧总，元组对象和列表对象都支持下标操作。因此，我们以行为为分类标准，对对象进行分类：

Python以此为依据，为每个类别都定义了一个标准操作集：

  • PyNumberMethods结构体定义了数值型操作
  • PySequenceMethods结构体定义了序列型操作
  • PyMappingMethods结构体定义了关联型操作

如果类型对象提供了相关的操作集，则对应的实例对象就具备对应的行为：

typedef struct _typeobject { PyObject_VAR_HEAD const char *tp_name; /* For printing, in format "." */ Py_ssize_t tp_basicsize, tp_itemsize; /* For allocation */ // ... PyNumberMethods *tp_as_number; PySequenceMethods *tp_as_sequence; PyMappingMethods *tp_as_mapping; // ... } PyTypeObject;

以float为例，类型对象PyFloat_Type的这三个字段是这样初始化的：

PyTypeObject PyFloat_Type = { PyVarObject_HEAD_INIT(&PyType_Type, 0) "float", sizeof(PyFloatObject), // ... &float_as_number, /* tp_as_number */ 0, /* tp_as_sequence */ 0, /* tp_as_mapping */ // ... };

可以看到，只有tp_as_number非空，即float对象支持数值型操作，不支持序列型操作和关联型操作。

5 引用计数

在Python中，很多场景都涉及引用计数的调整：

  • 变量赋值
  • 函数参数传递
  • 属性操作
  • 容器操作

引用计数是Python生命周期中很关键的一个知识点，后续我会用一个单独的章节来介绍，这里咱们先按下不表，更多关于Python对象生命周期的资料请关注其它相关文章！

您可能感兴趣的文章:

上一篇：Python爬虫网页元素定位术_python_

下一篇：python+JS 实现逆向 SMZDM 的登录加密_python_

相关内容

点击排行

本栏推荐

猜你喜欢

-六神源码网