Python 世界的黑客帝国

Python 世界的黑客帝国

 

相比于子弹时间和火爆场景,我更喜欢《黑客帝国》故事背景的假设 —— 人们熟悉的世界是虚构的,是机器给人大脑输入的幻象,而幻象是不完美的,存在一些不符合自然规律的地方,这些地方或多或少的展示了幻象世界的破绽和真实世界的样子,如果你看过《黑客帝国》动画版《超越*限》和《世界纪录》,将会有更深刻的感受

我们熟悉的、赖以生存的 Python 世界,其实也是个虚拟的,这个虚拟世界展示给我们无比绚烂的场景和功能的同时,也存在一些超乎常理和认知的地方,今天就带你一起探寻一些那些超自然点,以及它背后的真实世界

神奇的海象操作符
海象操作符 := 是 Python3.8 引入的一个新特性,意为节省一次临时变量的赋值操作,例如:

a = [1,2,3,4,5]
n = len(a)
if n > 4:
print(n)
意思是,如果列表 a 的长度大于 4,则打印 a 的长度,为了避免对列表长度的两次求解,利用变量 n 存储 a 的长度,合情合理

如果用 海象操作符(:=),会是这样:

a = [1,2,3,4,5]
if n := len(n) > 4:
print(n)
可以看到,省去了临时变量 n 的定义,通过海象操作符,一举两得

不得不说,Python 为能让我们提高效率,真是挖空心思,刚刚发布的 正式版 Python3.9,也是为提升效率做了多处改善

海象的表演
不过,看下面的代码

>>> a = “wtf_walrus”
>>> a
‘wtf_walrus’

>>> a := “wtf_walrus”  # 报错!
File “<stdin>”, line 1
a := ‘wtf_walrus’
^
SyntaxError: invalid syntax

>>> (a := “wtf_walrus”) # 奇迹发生,竟然通过了!
‘wtf_walrus’
>>> a
‘wtf_walrus’
再来一段

>>> a = 6, 9  # 元组赋值
>>> a  # 结果正常
(6, 9)

>>> (a := 6, 9)  # 海象赋值,表达式结果正常
(6, 9)
>>> a  # 临时变量竟然不同
6

>>> a, b = 6, 9 # 解包赋值
>>> a, b
(6, 9)
>>> (a, b = 16, 19) # Oh no!
File “<stdin>”, line 1
(a, b = 6, 9)
^
SyntaxError: invalid syntax

>>> (a, b := 16, 19) # 这里竟然打印出三员元组!
(6, 16, 19)

>>> a # 问题是 a 竟然没变
6

>>> b
16
解密海象
非括号表达式的海象赋值操作海象操作符(:=)适用于一个表达式内部的作用域,没有括号,相当于全局作业域,是会受到编译器限制的

括号里的赋值操作相应的,赋值操作符(=)不能放在括号里,因为它需要在全局作用域中执行,而非在一个表达式内

海象操作符的本质海象操作符的语法形式为 Name := expr,Name 为正常的标识符,expr 为正常的表达式,因此可迭代的 装包 和 解包 表现的结果会和期望不同

(a := 6, 9) 实际上会被解析为 ((a := 6), 9),*终,a 的值为 6,验证一下:

>>> (a := 6, 9) == ((a := 6), 9)
True
>>> x = (a := 696, 9)
>>> x
(696, 9)
>>> x[0] is a # 引用了相同的值
True
同样的,(a, b := 16, 19) 相当于 (a, (b := 16), 19,原来如此

不安分的字符串
先建立一个感知认识

>>> a = “some_string”
>>> id(a)
140420665652016
>>> id(“some” + “_” + “string”) # 不同方式创建的字符串实质是一样的.
140420665652016
奇特的事情即将发生

>>> a = “wtf”
>>> b = “wtf”
>>> a is b
True

>>> a = “wtf!”
>>> b = “wtf!”
>>> a is b  # 什么鬼!
False
如果将这段代码写入脚本文件,用 Python 运行,结果却是对的:

a = “wtf!”
b = “wtf!”
print(a is b)  # 将打印出 True
还有更神奇的,在 Python3.7 之前的版本中,会有下面的现象:

>>> ‘a’ * 20 is ‘aaaaaaaaaaaaaaaaaaaa’
True
>>> ‘a’ * 21 is ‘aaaaaaaaaaaaaaaaaaaaa’
False
20 个字符 a 组合起来等于 20个 a 的字符串,而 21 个就不相等

揭秘字符串
计算机世界里,任何奇特的现象都有其必然原因

这些字符串行为,是由于 Cpython 在编译优化时,某些情况下会对不可变的对象做存储,新建时之间建立引用,而不是创建新的,这种技术被称作 字符串驻留(string interning),这样做可以节省内存和提高效率

上面代码中,字符串被隐式驻留了,什么情况下才会被驻留呢?

所有长度为 0 和 1 的字符串都会被驻留

字符串在编译时被驻留,运算中不会(”wtf” 会驻留,””.join(“w”, “t”, “f”) 则不会)

只有包含了字母、数值和下划线的字符串才会被驻留,这就是为什么 “wtf!” 不会被驻留的原因(其中还有字符 !)

如果 a 和 b 的赋值 “wtf!” 语句在同一行,Python 解释器会创建一个对象,然后让两个变量指向这个对象。如果在不同行,解释器就不知道已经有了 “wtf!” 对象,所以会创建新的(原因是 “wtf!” 不会被驻留)

像 IPython 这样的交互环境中,语句是单行执行的,而脚本文件中,代码是被同时编译的,具有相同的编译环境,所以就能理解,代码文件中不同行的不被驻留字符串引用同一个对象的现象

常量折叠(constant folding)是 Python 的一个优化技术:窥孔优化(peephole optimization),如 a = “a”*20,这样的语句会在编译时展开,以减少运行时的运行消耗,为了不至于让 pyc 文件过大,将展开字符限制在 20 个以内,不然想想这个 “a”*10**100 语句将产生多大的 pyc 文件

注意 Python3.7 以后的版本中 常量折叠 的问题得到了改善,不过还不清楚具体原因(矩阵变的更复杂了)

小心链式操作
来一段骚操作

>>> (False == False) in [False] # 合乎常理
False
>>> False == (False in [False]) # 也没问题
False
>>> False == False in [False] # 现在感觉如何?
True

>>> True is False == False
False
>>> False is False is False
True

>>> 1 > 0 < 1
True
>>> (1 > 0) < 1
False
>>> 1 > (0 < 1)
False
不知到你看到这段代码的感受,反正我看*次到时,怀疑我学的 Python 是假冒的~

到底发生了什么
按照 Python 官方文档,表达式章节,值比较小节的描述(https://docs.python.org/2/reference/expressions.html#not-in):

通常情况下,如果 a、b、c、…、y、z 是表达式,op1、op2、…、opN 是比较运算符,那么 a op1 b op2 c … y opN z 等价于 a op1 b and b op2 c and … y opN z,除了每个表达式只被计算一次的特性

基于以上认知,我们重新审视一下上面看起来让人迷惑的语句:

False is False is False 等价于 (False is False) and (False is False)

True is False == False 等价于 True is False and False == False,现在可以看出,*部分 True is False 的求值为 False, 所以整个表达式的值为 False

1 > 0 < 1 等价于 1 > 0 and 0 < 1,所以表达式求值为 True

表达式 (1 > 0) < 1 等价于 True < 1,另外 int(True) 的值为 1,且 True + 1 的值为 2,那么 1 < 1 就是 False 了

到底 is(是) 也不 is(是)
我直接被下面的代码惊到了

>>> a = 256
>>> b = 256
>>> a is b
True

>>> a = 257
>>> b = 257
>>> a is b
False
再来一个

>>> a = []
>>> b = []
>>> a is b
False

>>> a = tuple()
>>> b = tuple()
>>> a is b
True
同样是数字,同样是对象,待遇咋就不一样尼……

我们逐一理解下

is 和 == 的区别
is 操作符用于检查两个变量引用的是否同一个对象实例

== 操作符用于检查两个变量引用对象的值是否相等

所以 is 用于引用比较,== 用于值比较,下面的代码能更清楚的说明这一点:

>>> class A: pass
>>> A() is A()  # 由于两个对象实例在不同的内存空间里,所以表达式值为 False
False
256 是既存对象,而 257 不是
这个小标题让人很无语,还确实对象和对象不一样

在 Python 里 从 -5 到 256 范围的数值,是预先初始化好的,如果值为这个范围内的数字,会直接建立引用,否则就会创建

这就解释了为啥 同样的 257,内存对象不同的现象了

为什么要这样做?官方的解释为,这个范围的数值比较常用(https://docs.python.org/3/c-api/long.html)

不可变的空元组
和 -5 到 256 数值预先创建一样,对于不可变的对象,Python 解释器也做了预先创建,例如 对空的 Tuple 对象

这就能解释为什么 空列表对象之间引用不同,而空元组之间的引用确实相同的现象了

被吞噬的 Javascript
先看看过程

some_dict = {}
some_dict[5.5] = “Ruby”
some_dict[5.0] = “JavaScript”
some_dict[5] = “Python”

print(some_dict[5.5])  # Ruby
print(some_dict[5.0])  # Python Javascript 去哪了?
背后的原因
Python 字典对象的索引,是通过键值是否相等和比较键的哈希值来进行查找的

具有相同值的不可变对象的哈希值是相同的

>>> 5 == 5.0
True
>>> hash(5) == hash(5.0)
True
于是我们就能理解,当执行 some_dict[5] = “Python” 时,会覆盖掉前面定义的 some_dict[5.0] = “Javascript”,因为 5 和 5.0 具有相同的哈希值

需要注意的是:有可能不同的值具有相同的哈希值,这种现象被称作 哈希冲突

关于字典对象使用哈希值作为索引运算的更深层次的原因,有兴趣的同学可以参考 StackOverflow 上的回答,解释的很精彩,网址是:https://stackoverflow.com/questions/32209155/why-can-a-floating-point-dictionary-key-overwrite-an-integer-key-with-the-same-v/32211042

总结
限于篇幅(精力)原因,今天就介绍这几个 Python 宇宙中的异常现象,更多的异常现象,收录在 satwikkansal 的 wtfpython 中(https://github.com/satwikkansal/wtfpython)。

任何华丽美好的背后都是各种智慧、技巧、妥协、辛苦的支撑,不是有那么一句话嘛:如果你觉得轻松自如,比如有人在负重前行。而这个人就是我们喜爱的 Python 及其 编译器,要更好的理解一个东西,需要了解它背后的概念原理和理念,期望通过这篇短文对你有所启发