Python对象的生命周期源码分析

本篇内容介绍了“python对象的生命周期源码分析”的有关知识，在实际案例的操作过程中，不少人都会遇到这样的困境，接下来就让小编带领大家学习一下如何处理这些情况吧！希望大家仔细阅读，能够学有所成！

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();    }        (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",                                         sizeof(PyHeapTypeObject),                       sizeof(PyMemberDef),                            (destructor)type_dealloc,                       // ...    (ternaryfunc)type_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_tPyObject_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_tPyObject_Hash(PyObject *v){    PyTypeObject *tp = Py_TYPE(v);    if (tp->tp_hash != NULL)        return (*tp->tp_hash)(v);        if (tp->tp_dict == NULL) {        if (PyType_Ready(tp) < 0)            return -1;        if (tp->tp_hash != NULL)            return (*tp->tp_hash)(v);    }        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;     Py_ssize_t tp_basicsize, tp_itemsize;    // ...    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,                               0,                                              0,                                              // ...};

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

“Python对象的生命周期源码分析”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识可以关注编程网网站，小编将为大家输出更多高质量的实用文章！