python编译相关
python编译相关具体编译步骤
Python代码的编译和执行过程可以更详细地描述如下：
整个过程中，Python代码并不会直接编译成机器代码，而是先被解释器解析为字节码，然后由解释器执行字节码。这种解释型的方式使得Python具有跨平台性，因为字节码是与硬件无关的，只要有对应的解释器，Python代码就可以在不同平台上执行。。
如何生成pyc文件
[*]在py程序内部
使用 Python 自带的 py_compile 模块来将 .py 文件编译成 .pyc 文件。这个模块提供了一个名为 compile 的函数，你可以使用它来编译 Python 源文件。
def greet(name):
return f"Hello, {name}!"
print(greet("Alice"))运行这段代码将会在源文件所在的目录下生成一个与源文件同名的 .pyc 文件。
compileall 模块也是用于将 Python 源文件编译成字节码文件的工具，它比 py_compile 模块更加灵活，可以批量编译目录下的所有 .py 文件。
Module(
body=[
FunctionDef(
name='greet',
args=arguments(
//arg 表示函数的一个参数,arguments 则表示函数定义中的参数集合。
args=[
arg(arg='name', annotation=None)
],
defaults=[],
//defaults：这表示位置参数的默认值。它也是一个列表，但在这个例子中是空的。如果函数的某些参数有默认值，那么这里会指定这些默认值。
kw_defaults=[],
//kw_defaults：这表示关键字参数的默认值。与 defaults 类似，它也是一个列表。然而，在这个例子中也是空的，表示函数的关键字参数没有默认值。
kwarg=None,
//kwarg：这表示用于收集未明确定义的额外关键字参数的关键字参数的名称。在这个例子中，它设置为 None，表示函数不接受超出明确定义的关键字参数之外的其他关键字参数。
kwonlyargs=[],
//kwonlyargs：这表示仅关键字参数。关键字参数是一种只能通过关键字传递并且在参数列表中在 * 之后指定的参数。在这个例子中也是一个空列表。
kwargannotation=None
//kwargannotation：这表示 kwarg 的注释，如果有的话。注释是可选的元数据，可以附加到函数参数上，指示参数的预期类型或用途。在这个例子中，它设置为 None，表示未为 kwarg 指定注释。
),
body=[
Return(
//Return 表示函数的返回语句，用于从函数中返回一个值。在这里，Return 节点表示函数的返回部分。
value=JoinedStr(
//value 属性指定了要返回的值。在这里，value 是一个 JoinedStr 对象，它表示一个由多个字符串拼接而成的复合字符串。JoinedStr 表示一个由多个字符串组成的复合字符串。
values=[
//values 属性是一个列表，包含了组成复合字符串的各个部分。在这里，复合字符串由 'Hello, '、Name 对象和 '!' 三部分组成。
Str(s='Hello, '),
FormattedValue(
//FormattedValue 表示格式化值，用于在字符串中插入变量。value 属性是一个 Name 对象，表示要插入的变量名。在这里，Name(id='name', ctx=Load()) 表示要插入的变量是函数参数 name。
value=Name(id='name', ctx=Load()),
conversion=-1,
format_spec=None
),
Str(s='!')
]
)
)
],
decorator_list=[]
),
Expr(
//Expr 表示一个表达式语句，用于执行函数调用或其他表达式。
value=Call(
//Call 表示函数调用表达式。func 属性是一个 Name 对象，表示要调用的函数名。在这里，Name(id='print', ctx=Load()) 表示要调用的函数是内置函数 print()。
func=Name(id='print', ctx=Load()),
args=[
Call(
func=Name(id='greet', ctx=Load()),
//id 和 ctx 分别是 Name 对象的两个属性：id 属性：表示标识符的名称。在这里，id='print' 表示标识符的名称是 'print'，即函数名或变量名为 print。ctx 属性：表示标识符的上下文（Context）。ctx 可以指定标识符在代码中的使用方式，例如加载（load）、存储（store）等。在这里，ctx=Load() 表示该标识符在这个上下文中是一个加载（load）的标识符，即在代码中引用了名为 'print' 的函数或变量。
args=[
Str(s='Alice')
],
keywords=[]
)
],
keywords=[]
)
)
]
)这将会编译指定目录下的所有 Python 源文件，并在相同目录下生成对应的 .pyc 文件。
[*]使用命令行工具来编译 Python 源文件，
例如在命令行中执行以下命令：
1. 位置参数（Positional Arguments）：
位置参数是函数定义中的普通参数，它们按照在函数参数列表中的顺序进行传递，不需要指定参数名称。例如，在函数定义中，`def my_function(a, b):` 中的 `a` 和 `b` 就是位置参数。在调用函数时，传递的参数值会按照位置与位置参数一一对应。
2. 默认值（Default Values）：
默认值是在函数定义中为参数提供的初始值。如果在函数调用时没有提供对应参数的值，那么参数将使用默认值。默认值允许函数在某些情况下以可选方式接受参数。例如，在函数定义中，`def greet(name="Guest"):`, 这里的 `name` 参数有一个默认值 `"Guest"`。如果调用 `greet()` 时没有传递参数，它将使用默认值 `"Guest"`。
3. 仅关键字参数（Keyword-Only Arguments）：
仅关键字参数是只能通过关键字传递的参数，这些参数出现在函数定义中的 `*` 符号之后。这意味着在函数调用时必须使用参数名称来传递这些参数值。这种类型的参数可以增加函数的灵活性和可读性。例如，在函数定义中，`def greet(name, *, prefix="Hello"):` 中的 `prefix` 参数就是一个仅关键字参数。这意味着在调用 `greet()` 时必须通过关键字指定 `prefix` 参数的值，例如 `greet("Alice", prefix="Hi")`。
4. 注释（Annotations）：
注释是Python中的一种元数据，用于为函数参数或变量提供类型信息或其他说明。注释不会影响代码的运行，但可以提供更多的信息，帮助理解代码的含义和用法。例如，在函数定义中，`def greet(name: str):`, 这里的 `str` 就是参数 `name` 的注释，指示其应该是一个字符串类型。注释可以在函数定义时使用冒号（`:`）后面的形式指定。在实际运行中，这些注释并不会被Python解释器使用，但可以被其他工具或IDE用来进行类型检查或提供代码提示。这将在同一目录下生成一个名为 example.pyc 的文件。
pyo
.pyo 文件与 .pyc 文件相似，只是在优化模式下生成，并且可能会删除一些调试信息和注释。
在 Python 3.x 中，默认情况下，当你使用优化标志（-O 或 -OO）运行 Python 解释器时，生成的字节码文件将使用 .pyo 扩展名而不是 .pyc。这些优化标志会启用优化编译器标志，从而在生成的字节码中删除一些调试信息或注释，以减小字节码文件的大小并提高执行效率。
[*]O：启用优化编译，将会删除 assert 语句。
[*]OO：启用更严格的优化，将会删除 assert 语句以及文档字符串（docstrings）。
生成的 .pyo 文件可以被 Python 解释器加载和执行，与 .pyc 文件的使用方式相同。不过需要注意的是，.pyo 文件并不会自动替换 .pyc 文件，而是作为 .pyc 文件的一个替代品。因此，如果你在优化模式下运行了一个 Python 脚本，它会生成一个 .pyo 文件，但如果以普通模式再次运行同一个脚本，它还是会生成 .pyc 文件。
拿到pyc文件后反编译回py文件
利用uncompyle6 这个Python 反编译工具它用于将 Python 字节码文件（.pyc 或 .pyo 文件）反编译回等效的 Python 源代码。
直接在命令行中安装 uncompyle6 就可以用了
import py_compile
# 指定要编译的 Python 源文件路径
source_file = 'example.py'
# 编译 Python 源文件，并生成对应的 .pyc 文件
py_compile.compile(source_file)安装完成后，就可以使用以下命令将字节码文件反编译为 Python 源代码：
import compileall
# 指定要编译的目录路径
directory = '/path/to/directory'
# 编译目录下的所有 Python 源文件，并生成对应的 .pyc 文件
compileall.compile_dir(directory)或者，如果是一个 .pyo 文件，也可以用相同的方式进行反编译：
python -m py_compile example.py解释和编译
编译器：先整体编译再执行
解释器：边解释边执行
优缺点：
编译方式：运行速度快，但是任何的改动都要整体重新编译。可以脱离编译环境运行。C语言
解释方式：运行速度慢，但是部分的改动不需要整体重新编译。不可以脱离解释器环境运行。python
说是python慢，但是也有优化速度的方式，也就是生成pyc文件的方式。参考了JAVA的字节码做法，但并不完全相同。其作用就是减少重复的解释工作。
Python 有几种不同的解释器
最常见的包括：
[*]CPython：CPython 是 Python 的官方解释器，它是使用 C 语言实现的。CPython 是最常用的 Python 解释器，它执行 Python 代码，并提供了许多标准库和扩展模块。
[*]Jython：Jython 是一个在 Java 平台上运行的 Python 解释器。它将 Python 代码编译成 Java 字节码，然后在 Java 虚拟机（JVM）上执行。Jython 可以直接调用 Java 类库，并且与 Java 代码可以无缝集成。
[*]IronPython：IronPython 是一个在 .NET 平台上运行的 Python 解释器。它将 Python 代码编译成 .NET 中间语言（CIL），然后在 .NET 运行时上执行。IronPython 可以与 .NET 框架和库进行交互，并且可以通过使用 .NET 语言扩展 Python。
[*]PyPy：PyPy 是一个用 Python 实现的解释器，它旨在提供更高的性能。PyPy 使用即时（JIT）编译技术来动态优化 Python 代码，并且通常比 CPython 提供更好的性能。
除了这些常见的解释器之外，还有一些其他的 Python 解释器，例如 MicroPython（针对嵌入式系统）、Stackless Python（用于并发编程）、Pyston（用于性能优化）、Nuitka（将 Python 代码编译成 C 或 C++）、Shed Skin（将 Python 代码转换成 C++）等。
来源:https://www.cnblogs.com/aster-ist/p/18014685
免责声明：由于采集信息均来自互联网，如果侵犯了您的权益，请联系我们【E-Mail:cb@itdo.tech】 我们会及时删除侵权内容，谢谢合作！
页:
[1]