深入理解 python 虚拟机:pyc 文件结构

科技资讯 投稿 13100 0 评论

深入理解 python 虚拟机:pyc 文件结构

深入理解 python 虚拟机:pyc 文件结构

pyc 文件

pyc 文件是 Python 在解释执行源代码时生成的一种字节码文件,它包含了源代码的编译结果和相关的元数据信息,以便于 Python 可以更快地加载和执行代码。

当 Python 解释器首次执行一个 .py 文件时,它会在同一目录下生成一个对应的 .pyc 文件,以便于下次加载该文件时可以更快地执行。如果源文件在修改之后被重新加载,解释器会重新生成 .pyc 文件以更新缓存的字节码。

生成 pyc 文件

➜  pvm ls
demo.py  hello.py
➜  pvm python -m compileall .
Listing '.'...
Listing './.idea'...
Listing './.idea/inspectionProfiles'...
Compiling './demo.py'...
Compiling './hello.py'...
➜  pvm ls
__pycache__ demo.py     hello.py
➜  pvm ls __pycache__ 
demo.cpython-310.pyc  hello.cpython-310.pyc
python -m compileall . 命令将递归扫描当前目录下面的 py 文件,并且生成对应文件的 pyc 文件。

pyc 文件布局

第二部分 Bit Field 这个字段的主要作用是为了将来能够实现复现编译结果,但是在 python3.9a2 时,这个字段的值还全部是 0 。详细内容可以参考 PEP552-Deterministic pycs 。这个字段在 python2 和 python3 早期版本并没有(python3.5 还没有),在 python3 的后期版本这个字段才出现的。

第四部分 也是整个 pyc 文件当中最重要的一个部分,最后一个部分就是一个 CodeObject 对象序列化之后的数据,我们稍后再来仔细分析一下这个对象相关的数据。

def f(:
    x = 1
    return 2

pyc 文件的十六进制形式如下所示:

➜  __pycache__ hexdump -C hello.cpython-310.pyc
00000000  6f 0d 0d 0a 00 00 00 00  b9 48 21 64 20 00 00 00  |o........H!d ...|
00000010  e3 00 00 00 00 00 00 00  00 00 00 00 00 00 00 00  |................|
00000020  00 02 00 00 00 40 00 00  00 73 0c 00 00 00 64 00  |.....@...s....d.|
00000030  64 01 84 00 5a 00 64 02  53 00 29 03 63 00 00 00  |d...Z.d.S..c...|
00000040  00 00 00 00 00 00 00 00  00 01 00 00 00 01 00 00  |................|
00000050  00 43 00 00 00 73 08 00  00 00 64 01 7d 00 64 02  |.C...s....d.}.d.|
00000060  53 00 29 03 4e e9 01 00  00 00 e9 02 00 00 00 a9  |S..N...........|
00000070  00 29 01 da 01 78 72 03  00 00 00 72 03 00 00 00  |....xr....r....|
00000080  fa 0a 2e 2f 68 65 6c 6c  6f 2e 70 79 da 01 66 01  |.../hello.py..f.|
00000090  00 00 00 73 04 00 00 00  04 01 04 01 72 06 00 00  |...s........r...|
000000a0  00 4e 29 01 72 06 00 00  00 72 03 00 00 00 72 03  |.N.r....r....r.|
000000b0  00 00 00 72 03 00 00 00  72 05 00 00 00 da 08 3c  |...r....r......<|
000000c0  6d 6f 64 75 6c 65 3e 01  00 00 00 73 02 00 00 00  |module>....s....|
000000d0  0c 00                                             |..|
000000d2

因为数据使用小端表示方式,因此对于上面的数据来说:

    第一部分魔数为:0xa0d0d6f 。
  • 第二部分 Bit Field 为:0x0 。
  • 第三部分最后一次修改日期为:0x642148b9 。
  • 第四部分文件大小为:0x20 字节,也就是说 hello.py 这个文件的大小是 32 字节。
import struct
import time
import binascii


fname = "./__pycache__/hello.cpython-310.pyc"
f = open(fname, "rb"
magic = struct.unpack('<l', f.read(4[0]
bit_filed = f.read(4
print(f"bit field = {binascii.hexlify(bit_filed}"
moddate = f.read(4
filesz = f.read(4
modtime = time.asctime(time.localtime(struct.unpack('<l', moddate[0]
filesz = struct.unpack('<L', filesz
print("magic %s" % (hex(magic
print("moddate (%s" % (modtime
print("File Size %d" % filesz
f.close(

上面的代码输出结果如下所示:

bit field = b'00000000'
magic 0xa0d0d6f
moddate (Mon Mar 27 15:41:45 2023
File Size 32

有关 pyc 文件的详细操作可以查看 python 标准库 importlib/_bootstrap_external.py 文件源代码。

CodeObject

CodeObject 是一个对象,它包含了 Python 代码的字节码、常量、变量、位置参数、关键字参数等信息,以及一些用于运行代码的元数据,如文件名、代码行号等。

CodeObject,然后再执行。在编译过程中,解释器会将 Python 代码转换为字节码,并将其保存在 CodeObject 对象中。此后,每当我们调用该模块或函数时,解释器都会使用 CodeObject 中的字节码来执行代码。

CodeObject 对象是不可变的,一旦创建就不能被修改。这是因为 Python 代码的字节码是不可变的,而 CodeObject 对象包含了这些字节码,所以也是不可变的。

现在举一个例子来分析一下 pycdemo.py 的 pyc 文件,pycdemo.py 的源程序如下所示:


if __name__ == '__main__':
    a = 100
    print(a

下面的代码是一个用于加载 pycdemo01.cpython-39.pyc 文件(也就是 hello.py 对应的 pyc 文件)的代码,使用 marshal 读取 pyc 文件里面的 code object 。

import marshal
import dis
import struct
import time
import types
import binascii


def print_metadata(fp:
    magic = struct.unpack('<l', fp.read(4[0]
    print(f"magic number = {hex(magic}"
    bit_field = struct.unpack('<l', fp.read(4[0]
    print(f"bit filed = {bit_field}"
    t = struct.unpack('<l', fp.read(4[0]
    print(f"time = {time.asctime(time.localtime(t}"
    file_size = struct.unpack('<l', fp.read(4[0]
    print(f"file size = {file_size}"


def show_code(code, indent='':
    print ("%scode" % indent
    indent += '   '
    print ("%sargcount %d" % (indent, code.co_argcount
    print ("%snlocals %d" % (indent, code.co_nlocals
    print ("%sstacksize %d" % (indent, code.co_stacksize
    print ("%sflags %04x" % (indent, code.co_flags
    show_hex("code", code.co_code, indent=indent
    dis.disassemble(code
    print ("%sconsts" % indent
    for const in code.co_consts:
        if type(const == types.CodeType:
            show_code(const, indent+'   '
        else:
            print("   %s%r" % (indent, const
    print("%snames %r" % (indent, code.co_names
    print("%svarnames %r" % (indent, code.co_varnames
    print("%sfreevars %r" % (indent, code.co_freevars
    print("%scellvars %r" % (indent, code.co_cellvars
    print("%sfilename %r" % (indent, code.co_filename
    print("%sname %r" % (indent, code.co_name
    print("%sfirstlineno %d" % (indent, code.co_firstlineno
    show_hex("lnotab", code.co_lnotab, indent=indent


def show_hex(label, h, indent:
    h = binascii.hexlify(h
    if len(h < 60:
        print("%s%s %s" % (indent, label, h
    else:
        print("%s%s" % (indent, label
        for i in range(0, len(h, 60:
            print("%s   %s" % (indent, h[i:i+60]


if __name__ == '__main__':
    filename = "./__pycache__/pycdemo01.cpython-39.pyc"
    with open(filename, "rb" as fp:
        print_metadata(fp
        code_object = marshal.load(fp
        show_code(code_object

执行上面的程序输出结果如下所示:

magic number = 0xa0d0d61
bit filed = 0
time = Tue Mar 28 02:40:20 2023
file size = 54
code
   argcount 0
   nlocals 0
   stacksize 2
   flags 0040
   code b'650064006b02721464015a01650265018301010064025300'
  3           0 LOAD_NAME                0 (__name__
              2 LOAD_CONST               0 ('__main__'
              4 COMPARE_OP               2 (==
              6 POP_JUMP_IF_FALSE       20

  4           8 LOAD_CONST               1 (100
             10 STORE_NAME               1 (a

  5          12 LOAD_NAME                2 (print
             14 LOAD_NAME                1 (a
             16 CALL_FUNCTION            1
             18 POP_TOP
        >>   20 LOAD_CONST               2 (None
             22 RETURN_VALUE
   consts
      '__main__'
      100
      None
   names ('__name__', 'a', 'print'
   varnames (
   freevars (
   cellvars (
   filename './pycdemo01.py'
   name '<module>'
   firstlineno 3
   lnotab b'08010401'

下面是 code object 当中各个字段的作用:

  • argcount,这个表示一个代码块的参数个数,这个参数只对函数体代码块有用,因为函数可能会有参数,比如上面的 pycdemo.py 是一个模块而不是一个函数,因此这个参数对应的值为 0 。

  • co_consts,这个字段是一个列表类型的字段,主要是包含一些字符串常量和数值常量,比如上面的 "__main__" 和 100 。

  • co_firstlineno,这个字段的含义为在 python 源文件当中第一行代码出现的行数,这个字段在进行调试的时候非常重要。

  • co_lnotab,这个字段的含义主要是用于计算每个字节码指令对应的源代码行数。

  • co_names,和 co_varnames 相反,表示非本地定义但是在 code object 当中使用的名字。

  • co_stackszie,因为 python 虚拟机是一个栈式计算机,这个参数的值表示这个栈需要的最大的值。

总结

在本篇文章当中主要给大家介绍了 python 文件被编译之后的结果文件 .pyc 文件结构,在 pyc 文件当中一个最重要的结构就是 code object 对象,在本篇文章当中主要是简单介绍了 code object 各个字段的作用。在后续的文章当中将会举详细的例子进行说明,正确理解这些这些字段的含义,对于我们理解 python 虚拟机大有裨益。


更多精彩内容合集可访问项目:https://github.com/Chang-LeHung/CSCore

关注公众号:一无是处的研究僧,了解更多计算机(Java、Python、计算机系统基础、算法与数据结构)知识。

编程笔记 » 深入理解 python 虚拟机:pyc 文件结构

赞同 (64) or 分享 (0)
游客 发表我的评论   换个身份
取消评论

表情
(0)个小伙伴在吐槽