python周期性分析,python 周期函数

  python周期性分析,python 周期函数

  本文主要为大家介绍Python对象的生命周期源代码学习。有需要的朋友可以借鉴一下,希望能有所帮助。祝大家进步很大,早日升职加薪。

  00-1010思考:1 C API2对象创建2.1创建对象的两种方式2.2按类型创建实例对象对象3对象的多态性4对象的行为5引用计数

  

目录

  当我们输入这个语句时,Python是如何在内部创建这个对象的?

  a=1.0

  物体被使用后,销毁的时机是如何确定的?

  下面,我们以一个基本类型的float为例,分析一个对象从创建到销毁的整个生命周期中的行为。

  

思考:

  Python是用C写的,对外提供API,用户可以从C环境中与之交互,Python也大量使用这些API。C API分为两类:通用API和专用API。

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

  //打印浮点对象

  py object * fo=py float _ from double(3.14);

  PyObject_Print(fo,stdout,0);

  //打印一个整数对象

  py object * lo=PyLong _ from long(100);

  PyObject_Print(lo,stdout,0);

  特定类型API:与类型相关,属于特定对象层。这种API只能作用于某些类型的对象。

  

1 C API

  

2 对象的创建

  Python通常以两种方式创建对象:

  通过C API,它主要用于内置类型

  以浮点型为例。Python内部提供了PyFloat_FromDouble,这是一个特殊的C API。在这个接口中,内存被分配给PyFloatObject结构的变量,并且相关的字段被初始化:

  对象*

  PyFloat_FromDouble(double fval)

  {

  PyFloatObject * op=free _ list

  如果(op!=NULL) {

  free _ list=(PyFloatObject *)Py _ TYPE(op);

  num free-;

  }否则{

  op=(PyFloatObject *)py object _ MALLOC(sizeof(PyFloatObject));

  如果(!op)

  返回PyErr _ no memory();

  }

  /* Inline PyObject_New */

  (void)PyObject_INIT(op,py float _ Type);

  op-ob _ fval=fval;

  return(py object *)op;

  }

  类型对象主要用于自定义类型。

  对于自定义类型,Python无法提前提供C API。在这种情况下,实例对象只能通过类型对象中包含的元数据(分配了多少内存,如何初始化等等)来创建。).

  从类型对象创建实例对象是一个更通用的过程。对于内置类型,除了用C API创建对象,还可以用类型对象创建。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 )

  

2.1 两种创建对象的方式

  思考:既然可以通过类型对象创建实例对象,那么在类型对象中就应该有相应的接口。

  在PyType_Type中找到Tp_call字段:

  PyTypeObj

  ect 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 cant 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 "<module>.<name>" */

   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盛行IT软件开发工作室其它相关文章!

郑重声明:本文由网友发布,不代表盛行IT的观点,版权归原作者所有,仅为传播更多信息之目的,如有侵权请联系,我们将第一时间修改或删除,多谢。

留言与评论(共有 条评论)
   
验证码: