用 Python 編寫的 Python 解釋器
（點擊
上方公眾號
，可快速關注）
翻譯： qingyunha 英文：Allison Kaptur
http://qingyunha.github.io/taotao/
Allison是Dropbox的工程師，在那裡她維護著世界上最大的由Python客戶組成的網路。在Dropbox之前，她是Recurse Center的引導師, … 她在北美的PyCon做過關於Python內部機制的演講，並且她喜歡奇怪的bugs。她的博客地址是akaptur.com.
Introduction
Byterun是一個用Python實現的Python解釋器。隨著我在Byterun上的工作，我驚訝並很高興地的發現，這個Python解釋器的基礎結構可以滿足500行的限制。在這一章我們會搞清楚這個解釋器的結構，給你足夠的知識探索下去。我們的目標不是向你展示解釋器的每個細節—像編程和計算機科學其他有趣的領域一樣，你可能會投入幾年的時間去搞清楚這個主題。
Byterun是Ned Batchelder和我完成的，建立在Paul Swartz的工作之上。它的結構和主要的Python實現（CPython）差不多，所以理解Byterun會幫助你理解大多數解釋器特別是CPython解釋器。（如果你不知道你用的是什麼Python，那麼很可能它就是CPython）。儘管Byterun很小，但它能執行大多數簡單的Python程序。
A Python Interpreter
在開始之前，讓我們縮小一下「Pyhton解釋器」的意思。在討論Python的時候，「解釋器」這個詞可以用在很多不同的地方。有的時候解釋器指的是REPL，當你在命令行下敲下
python
時所得到的互動式環境。有時候人們會相互替代的使用Python解釋器和Python來說明執行Python代碼的這一過程。在本章，「解釋器」有一個更精確的意思：執行Python程序過程中的最後一步。
在解釋器接手之前，Python會執行其他3個步驟：詞法分析，語法解析和編譯。這三步合起來把源代碼轉換成code object,它包含著解釋器可以理解的指令。而解釋器的工作就是解釋code object中的指令。
你可能很奇怪執行Python代碼會有編譯這一步。Python通常被稱為解釋型語言，就像Ruby，Perl一樣，它們和編譯型語言相對，比如C，Rust。然而，這裡的術語並不是它看起來的那樣精確。大多數解釋型語言包括Python，確實會有編譯這一步。而Python被稱為解釋型的原因是相對於編譯型語言，它在編譯這一步的工作相對較少（解釋器做相對多的工作）。在這章後面你會看到，Python的編譯器比C語言編譯器需要更少的關於程序行為的信息。
A Python Python Interpreter
Byterun是一個用Python寫的Python解釋器，這點可能讓你感到奇怪，但沒有比用C語言寫C語言編譯器更奇怪。（事實上，廣泛使用的gcc編譯器就是用C語言本身寫的）你可以用幾乎的任何語言寫一個Python解釋器。
用Python寫Python既有優點又有缺點。最大的缺點就是速度：用Byterun執行代碼要比用CPython執行慢的多，CPython解釋器是用C語言實現的並做了優化。然而Byterun是為了學習而設計的，所以速度對我們不重要。使用Python最大優點是我們可以僅僅實現解釋器，而不用擔心Python運行時的部分，特別是對象系統。比如當Byterun需要創建一個類時，它就會回退到「真正」的Python。另外一個優勢是Byterun很容易理解，部分原因是它是用高級語言寫的（Python！）（另外我們不會對解釋器做優化 — 再一次，清晰和簡單比速度更重要）
Building an Interpreter
在我們考察Byterun代碼之前，我們需要一些對解釋器結構的高層次視角。Python解釋器是如何工作的？
Python解釋器是一個虛擬機,模擬真實計算機的軟體。我們這個虛擬機是棧機器，它用幾個棧來完成操作（與之相對的是寄存器機器，它從特定的內存地址讀寫數據）。
Python解釋器是一個位元組碼解釋器：它的輸入是一些命令集合稱作位元組碼。當你寫Python代碼時，詞法分析器，語法解析器和編譯器生成code object讓解釋器去操作。每個code object都包含一個要被執行的指令集合 — 它就是位元組碼 — 另外還有一些解釋器需要的信息。位元組碼是Python代碼的一個中間層表示：它以一種解釋器可以理解的方式來表示源代碼。這和彙編語言作為C語言和機器語言的中間表示很類似。
A Tiny Interpreter
為了讓說明更具體，讓我們從一個非常小的解釋器開始。它只能計算兩個數的和，只能理解三個指令。它執行的所有代碼只是這三個指令的不同組合。下面就是這三個指令：
LOAD_VALUE
ADD_TWO_VALUES
PRINT_ANSWER
我們不關心詞法，語法和編譯，所以我們也不在乎這些指令是如何產生的。你可以想像，你寫下
7 + 5
，然後一個編譯器為你生成那三個指令的組合。如果你有一個合適的編譯器，你甚至可以用Lisp的語法來寫，只要它能生成相同的指令。
假設
7 + 5
生成這樣的指令集：
Python解釋器是一個棧機器，所以它必須通過操作棧來完成這個加法。(Figure 1.1)解釋器先執行第一條指令，
LOAD_VALUE
，把第一個數壓到棧中。接著它把第二個數也壓到棧中。然後，第三條指令，
ADD_TWO_VALUES
,先把兩個數從棧中彈出，加起來，再把結果壓入棧中。最後一步，把結果彈出並輸出。
LOAD_VALUE
這條指令告訴解釋器把一個數壓入棧中，但指令本身並沒有指明這個數是多少。指令需要一個額外的信息告訴解釋器去哪裡找到這個數。所以我們的指令集有兩個部分：指令本身和一個常量列表。（在Python中，位元組碼就是我們稱為的「指令」，而解釋器執行的是code object。）
為什麼不把數字直接嵌入指令之中？想像一下，如果我們加的不是數字，而是字元串。我們可不想把字元串這樣的東西加到指令中，因為它可以有任意的長度。另外，我們這種設計也意味著我們只需要對象的一份拷貝，比如這個加法
7 + 7
, 現在常量表
"numbers"
只需包含一個
7
。
你可能會想為什麼會需要除了
ADD_TWO_VALUES
之外的指令。的確，對於我們兩個數加法，這個例子是有點人為製作的意思。然而，這個指令卻是建造更複雜程序的輪子。比如，就我們目前定義的三個指令，只要給出正確的指令組合，我們可以做三個數的加法，或者任意個數的加法。同時，棧提供了一個清晰的方法去跟蹤解釋器的狀態，這為我們增長的複雜性提供了支持。
現在讓我們來完成我們的解釋器。解釋器對象需要一個棧，它可以用一個列表來表示。它還需要一個方法來描述怎樣執行每條指令。比如，
LOAD_VALUE
會把一個值壓入棧中。
這三個方法完成了解釋器所理解的三條指令。但解釋器還需要一樣東西：一個能把所有東西結合在一起並執行的方法。這個方法就叫做
run_code
, 它把我們前面定義的字典結構
what-to-execute
作為參數，循環執行裡面的每條指令，如何指令有參數，處理參數，然後調用解釋器對象中相應的方法。
為了測試，我們創建一個解釋器對象，然後用前面定義的 7 + 5 的指令集來調用run_code。
顯然，它會輸出12
儘管我們的解釋器功能受限，但這個加法過程幾乎和真正的Python解釋器是一樣的。這裡，我們還有幾點要注意。
首先，一些指令需要參數。在真正的Python bytecode中，大概有一半的指令有參數。像我們的例子一樣，參數和指令打包在一起。注意指令的參數和傳遞給對應方法的參數是不同的。
第二，指令ADD_TWO_VALUES不需要任何參數，它從解釋器棧中彈出所需的值。這正是以棧為基礎的解釋器的特點。
記得我們說過只要給出合適的指令集，不需要對解釋器做任何改變，我們做多個數的加法。考慮下面的指令集，你覺得會發生什麼？如果你有一個合適的編譯器，什麼代碼才能編譯出下面的指令集？
從這點出發，我們開始看到這種結構的可擴展性：我們可以通過向解釋器對象增加方法來描述更多的操作（只要有一個編譯器能為我們生成組織良好的指令集）。
Variables
接下來給我們的解釋器增加變數的支持。我們需要一個保存變數值的指令，STORE_NAME;一個取變數值的指令LOAD_NAME;和一個變數到值的映射關係。目前，我們會忽略命名空間和作用域，所以我們可以把變數和值的映射直接存儲在解釋器對象中。最後，我們要保證what_to_execute除了一個常量列表，還要有個變數名字的列表。
我們的新的的實現在下面。為了跟蹤哪名字綁定到那個值，我們在__init__方法中增加一個environment字典。我們也增加了STORE_NAME和LOAD_NAME方法，它們獲得變數名，然後從environment字典中設置或取出這個變數值。
現在指令參數就有兩個不同的意思，它可能是numbers列表的索引，也可能是names列表的索引。解釋器通過檢查所執行的指令就能知道是那種參數。而我們打破這種邏輯 ，把指令和它所用何種參數的映射關係放在另一個單獨的方法中。
僅僅五個指令，run_code這個方法已經開始變得冗長了。如果保持這種結構，那麼每條指令都需要一個if分支。這裡，我們要利用Python的動態方法查找。我們總會給一個稱為FOO的指令定義一個名為FOO的方法，這樣我們就可用Python的getattr函數在運行時動態查找方法，而不用這個大大的分支結構。run_code方法現在是這樣：
Real Python Bytecode
現在，放棄我們的小指令集，去看看真正的Python位元組碼。位元組碼的結構和我們的小解釋器的指令集差不多，除了位元組碼用一個位元組而不是一個名字來指示這條指令。為了理解它的結構，我們將考察一個函數的位元組碼。考慮下面這個例子
Python在運行時會暴露一大批內部信息，並且我們可以通過REPL直接訪問這些信息。對於函數對象
cond
，
cond.__code__
是與其關聯的code object，而
cond.__code__.co_code
就是它的位元組碼。當你寫Python代碼時，你永遠也不會想直接使用這些屬性，但是這可以讓我們做出各種惡作劇，同時也可以看看內部機制。
當我們直接輸出這個位元組碼，它看起來完全無法理解 — 唯一我們了解的是它是一串位元組。很幸運，我們有一個很強大的工具可以用：Python標準庫中的dis module。
dis是一個位元組碼反彙編器。反彙編器以為機器而寫的底層代碼作為輸入，比如彙編代碼和位元組碼，然後以人類可讀的方式輸出。當我們運行dis.dis, 它輸出每個位元組碼的解釋。
這些都是什麼意思？讓我們以第一條指令LOAD_CONST為例子。第一列的數字（2）表示對應源代碼的行數。第二列的數字是位元組碼的索引，告訴我們指令LOAD_CONST在0位置。第三列是指令本身對應的人類可讀的名字。如果第四列存在，它表示指令的參數。如果第5列存在，它是一個關於參數是什麼的提示。
考慮這個位元組碼的前幾個位元組：[100, 1, 0, 125, 0, 0]。這6個位元組表示兩條帶參數的指令。我們可以使用dis.opname，一個位元組到可讀字元串的映射，來找到指令100和指令125代表是什麼：
第二和第三個位元組 — 1 ，0 —是
LOAD_CONST
的參數，第五和第六個位元組 — 0，0 — 是
STORE_FAST
的參數。就像我們前面的小例子，
LOAD_CONST
需要知道的到哪去找常量，
STORE_FAST
需要找到名字。（Python的
LOAD_CONST
和我們小例子中的
LOAD_VALUE
一樣，
LOAD_FAST
和
LOAD_NAME
一樣）。所以這六個位元組代表第一行源代碼
x = 3
.(為什麼用兩個位元組表示指令的參數？如果Python使用一個位元組，每個code object你只能有256個常量/名字，而用兩個位元組，就增加到了256的平方，65536個）。
Conditionals and Loops
到目前為止，我們的解釋器只能一條接著一條的執行指令。這有個問題，我們經常會想多次執行某個指令，或者在特定的條件下略過它們。為了可以寫循環和分支結構，解釋器必須能夠在指令中跳轉。在某種程度上，Python在位元組碼中使用
GOTO
語句來處理循環和分支！讓我們再看一個
cond
函數的反彙編結果：
第三行的條件表達式
if x < 5
被編譯成四條指令：
LOAD_FAST
,
LOAD_CONST
,
COMPARE_OP
和
POP_JUMP_IF_FALSE
。
x < 5
對應載入
x
，載入5，比較這兩個值。指令
POP_JUMP_IF_FALSE
完成
if
語句。這條指令把棧頂的值彈出，如果值為真，什麼都不發生。如果值為假，解釋器會跳轉到另一條指令。
這條將被載入的指令稱為跳轉目標，它作為指令
POP_JUMP
的參數。這裡，跳轉目標是22，索引為22的指令是
LOAD_CONST
,對應源碼的第6行。（
dis
用
>>
標記跳轉目標。）如果
X < 5
為假，解釋器會忽略第四行（
return yes
）,直接跳轉到第6行（
return "no"
）。因此解釋器通過跳轉指令選擇性的執行指令。
Python的循環也依賴於跳轉。在下面的位元組碼中，
while x < 5
這一行產生了和
if x < 10
幾乎一樣的位元組碼。在這兩種情況下，解釋器都是先執行比較，然後執行
POP_JUMP_IF_FALSE
來控制下一條執行哪個指令。第四行的最後一條位元組碼
JUMP_ABSOLUT
(循環體結束的地方），讓解釋器返回到循環開始的第9條指令處。當
x < 10
變為假，
POP_JUMP_IF_FALSE
會讓解釋器跳到循環的終止處，第34條指令。
Explore Bytecode
我鼓勵你用
dis.dis
來試試你自己寫的函數。一些有趣的問題值得探索：
對解釋器而言for循環和while循環有什麼不同？
能不能寫出兩個不同函數，卻能產生相同的位元組碼?
elif
是怎麼工作的？列表推導呢？
Frames
到目前為止，我們已經知道了Python虛擬機是一個棧機器。它能順序執行指令，在指令間跳轉，壓入或彈出棧值。但是這和我們心想的解釋器還有一定距離。在前面的那個例子中，最後一條指令是
RETURN_VALUE
,它和
return
語句想對應。但是它返回到哪裡去呢？
為了回答這個問題，我們必須嚴增加一層複雜性：frame。一個frame是一些信息的集合和代碼的執行上下文。frames在Python代碼執行時動態的創建和銷毀。每個frame對應函數的一次調用。— 所以每個frame只有一個code object與之關聯，而一個code object可以很多frame。比如你有一個函數遞歸的調用自己10次，這時有11個frame。總的來說，Python程序的每個作用域有一個frame，比如，每個module，每個函數調用，每個類定義。
Frame存在於調用棧中，一個和我們之前討論的完全不同的棧。（你最熟悉的棧就是調用棧，就是你經常看到的異常回溯，每個以」File 『program.py"」開始的回溯對應一個frame。）解釋器在執行位元組碼時操作的棧，我們叫它數據棧。其實還有第三個棧，叫做塊棧，用於特定的控制流塊，比如循環和異常處理。調用棧中的每個frame都有它自己的數據棧和塊棧。
讓我們用一個具體的例子來說明。假設Python解釋器執行到標記為3的地方。解釋器正在
foo
函數的調用中，它接著調用
bar
。下面是frame調用棧，塊棧和數據棧的示意圖。我們感興趣的是解釋器先從最底下的
foo()
開始，接著執行
foo
的函數體，然後到達
bar
。
現在，解釋器在bar函數的調用中。調用棧中有3個fram：一個對應於module層，一個對應函數foo,別一個對應函數bar。(Figure 1.2)一旦bar返回，與它對應的frame就會從調用棧中彈出並丟棄。
位元組碼指令RETURN_VALUE告訴解釋器在frame間傳遞一個值。首先，它把位於調用棧棧頂的frame中的數據棧的棧頂值彈出。然後把整個frame彈出丟棄。最後把這個值壓到下一個frame的數據棧中。
當Ned Batchelder和我在寫Byterun時，很長一段時間我們的實現中一直有個重大的錯誤。我們整個虛擬機中只有一個數據棧，而不是每個frame都有個一個。我們做了很多測試，同時在Byterun和真正的Python上，為了保證結果一致。我們幾乎通過了所有測試，只有一樣東西不能通過，那就是生成器。最後，通過仔細的閱讀Cpython的源碼，我們發現了錯誤所在。把數據棧移到每個frame就解決了這個問題。
回頭在看看這個bug，我驚訝的發現Python真的很少依賴於每個frame有一個數據棧這個特性。在Python中幾乎所有的操作都會清空數據棧，所以所有的frame公用一個數據棧是沒問題的。在上面的例子中，當bar執行完後，它的數據棧為空。即使foo公用這一個棧，它的值也不會受影響。然而，對應生成器，一個關鍵的特點是它能暫停一個frame的執行，返回到其他的frame，一段時間後它能返回到原來的frame，
並以它離開時的同樣的狀態繼續執行。
Byterun
現在我們有足夠的Python解釋器的知識背景去考察Byterun。
Byterun中有四種對象。
VirtualMachine
類，它管理高層結構，frame調用棧，指令到操作的映射。這是一個比前面
Inteprter
對象更複雜的版本。
Frame
類，每個
Frame
類都有一個code object，並且管理者其他一些必要的狀態信息，全局和局部命名空間，指向調用它的frame的指針和最後執行的位元組碼指令。
Function
類，它被用來代替真正的Python函數。回想一下，調用函數時會創建一個新的frame。我們自己實現
Function
，所以我們控制新frame的創建。
Block
類，它只是包裝了代碼塊的3個屬性。（代碼塊的細節不是解釋器的核心，我們不會花時間在它身上，把它列在這裡，是因為Byterun需要它。）
The
VirtualMachine
Class
程序運行時只有一個
VirtualMachine
被創建，因為我們只有一個解釋器。
VirtualMachine
保存調用棧，異常狀態，在frame中傳遞的返回值。它的入口點是
run_code
方法，它以編譯後的code object為參數，以創建一個frame為開始，然後運行這個frame。這個frame可能再創建出新的frame；調用棧隨著程序的運行增長縮短。當第一個frame返回時，執行結束。
The
Frame
Class
接下來，我們來寫Frame對象。frame是一個屬性的集合，它沒有任何方法。前面提到過，這些屬性包括由編譯器生成的code object；局部，全局和內置命名空間；前一個frame的引用；一個數據棧；一個塊棧；最後執行的指令。（對於內置命名空間我們需要多做一點工作，Python對待這個命名空間不同；但這個細節對我們的虛擬機不重要。）
接著，我們在虛擬機中增加對frame的操作。這有3個幫助函數：一個創建新的frame的方法，和壓棧和出棧的方法。第四個函數，
run_frame
,完成執行frame的主要工作，待會我們再討論這個方法。
The
Function
Class
Function的實現有點扭曲，但是大部分的細節對理解解釋器不重要。重要的是當調用函數時 — __call__方法被調用 — 它創建一個新的Frame並運行它。
接著，回到
VirtualMachine
對象，我們對數據棧的操作也增加一些幫助方法。位元組碼操作的棧總是在當前frame的數據棧。這讓我們能完成
POP_TOP
,
LOAD_FAST
,並且讓其他操作棧的指令可讀性更高。
在我們運行frame之前，我們還需兩個方法。
第一個方法，parse_byte_and_args,以一個位元組碼為輸入，先檢查它是否有參數，如果有，就解析它的參數。這個方法同時也更新frame的last_instruction屬性，它指向最後執行的指令。一條沒有參數的指令只有一個位元組長度，而有參數的位元組有3個位元組長。參數的意義依賴於指令是什麼。比如，前面說過，指令POP_JUMP_IF_FALSE,它的參數指的是跳轉目標。BUILD_LIST, 它的參數是列表的個數。LOAD_CONST,它的參數是常量的索引。
一些指令用簡單的數字作為參數。對於另一些，虛擬機需要一點努力去發現它意義。標準庫中的dismodule中有一個備忘單解釋什麼參數有什麼意思，這讓我們的代碼更加簡潔。比如，列表dis.hasname告訴我們LOAD_NAME, IMPORT_NAME,LOAD_GLOBAL,和另外的9個指令都有同樣的意思：名字列表的索引。
下一個方法是
dispatch
,它查看給定的指令並執行相應的操作。在CPython中，這個分派函數用一個巨大的switch語句完成，有超過1500行的代碼。幸運的是，我們用的是Python，我們的代碼會簡潔的多。我們會為每一個位元組碼名字定義一個方法，然後用
getattr
來查找。就像我們前面的小解釋器一樣，如果一條指令叫做
FOO_BAR
，那麼它對應的方法就是
byte_FOO_BAR
。現在，我們先把這些方法當做一個黑盒子。每個指令方法都會返回
None
或者一個字元串
why
,有些情況下虛擬機需要這個額外
why
信息。這些指令方法的返回值，僅作為解釋器狀態的內部指示，千萬不要和執行frame的返回值相混淆。
The
Block
Class
在我們完成每個位元組碼方法前，我們簡單的討論一下塊。一個塊被用於某種控制流，特別是異常處理和循環。它負責保證當操作完成後數據棧處於正確的狀態。比如，在一個循環中，一個特殊的迭代器會存在棧中，當循環完成時它從棧中彈出。解釋器需要檢查循環仍在繼續還是已經停止。
為了跟蹤這些額外的信息，解釋器設置了一個標誌來指示它的狀態。我們用一個變數why實現這個標誌，它可以None或者是下面幾個字元串這一，"continue", "break","excption",return。他們指示對塊棧和數據棧進行什麼操作。回到我們迭代器的例子，如果塊棧的棧頂是一個loop塊，why是continue,迭代器就因該保存在數據棧上，不是如果why是break,迭代器就會被彈出。
塊操作的細節比較精密，我們不會花時間在這上面，但是有興趣的讀者值得仔細的看看。
The Instructions
剩下了的就是完成那些指令方法了：byte_LOAD_FAST,byte_BINARY_MODULO等等。而這些指令的實現並不是很有趣，這裡我們只展示了一小部分，完整的實現在這兒（足夠執行我們前面所述的所有代碼了。）
Dynamic Typing: What the Compiler Doesn』t Know
你可能聽過Python是一種動態語言 — 是它是動態類型的。在我們建造解釋器的過程中，已經流露出這個描述。
動態的一個意思是很多工作在運行時完成。前面我們看到Python的編譯器沒有很多關於代碼真正做什麼的信息。舉個例子，考慮下面這個簡單的函數mod。它區兩個參數，返回它們的模運算值。從它的位元組碼中，我們看到變數a和b首先被載入，然後位元組碼BINAY_MODULO完成這個模運算。
計算19 % 5得4，— 一點也不奇怪。如果我們用不同類的參數呢？
剛才發生了什麼？你可能見過這樣的語法，格式化字元串。
用符號%去格式化字元串會調用位元組碼BUNARY_MODULO.它取棧頂的兩個值求模，不管這兩個值是字元串，數字或是你自己定義的類的實例。位元組碼在函數編譯時生成（或者說，函數定義時）相同的位元組碼會用於不同類的參數。
Python的編譯器關於位元組碼的功能知道的很少。而取決於解釋器來決定BINAYR_MODULO應用於什麼類型的對象並完成真確的操作。這就是為什麼Python被描述為動態類型：直到你運行前你不必知道這個函數參數的類型。相反，在一個靜態類型語言中，程序員需要告訴編譯器參數的類型是什麼（或者編譯器自己推斷出參數的類型。）
編譯器的無知是優化Python的一個挑戰 — 只看位元組碼，而不真正運行它，你就不知道每條位元組碼在幹什麼！你可以定義一個類，實現__mod__方法，當你對這個類的實例使用%時，Python就會自動調用這個方法。所以，BINARY_MODULO其實可以運行任何代碼。
看看下面的代碼，第一個a % b看起來沒有用。
不幸的是，對這段代碼進行靜態分析 — 不運行它 — 不能確定第一個
a % b
沒有做任何事。用
%
調用
__mod__
可能會寫一個文件，或是和程序的其他部分交互，或者其他任何可以在Python中完成的事。很難優化一個你不知道它會做什麼的函數。在Russell Power和Alex Rubinsteyn的優秀論文中寫道，「我們可用多快的速度解釋Python？」，他們說，「在普遍缺乏類型信息下，每條指令必須被看作一個
INVOKE_ARBITRARY_METHOD
。」
Conclusion
Byterun是一個比CPython容易理解的簡潔的Python解釋器。Byterun複製了CPython的主要結構：一個基於棧的指令集稱為位元組碼，它們順序執行或在指令間跳轉，向棧中壓入和從中彈出數據。解釋器隨著函數和生成器的調用和返回，動態的創建，銷毀frame，並在frame間跳轉。Byterun也有著和真正解釋器一樣的限制：因為Python使用動態類型，解釋器必須在運行時決定指令的正確行為。
我鼓勵你去反彙編你的程序，然後用Byterun來運行。你很快會發現這個縮短版的Byterun所沒有實現的指令。完整的實現在這裡或者仔細閱讀真正的CPython解釋器
ceval.c
,你也可以實現自己的解釋器！
Acknowledgements
Thanks to Ned Batchelder for originating this project and guiding my contributions, Michael Arntzenius for his help debugging the code and editing the prose, Leta Montopoli for her edits, and the entire Recurse Center community for their support and interest. Any errors are my own.
看完本文有收穫？請轉
發分享給更多人
關注「P
ython開發者」，提升Python技能
※我泡在 GitHub 上的 177 天
※5 種使用 Python 代碼輕鬆實現數據可視化的方法
TAG:Python開發者 |