Python字节码执行过程全解析

Python字节码执行并非直接运行机器码，而是经历“源码→编译为.pyc文件→加载为含丰富元信息的code object→由基于栈的CPython虚拟机（PVM）逐条解释执行”这一精巧闭环；整个过程融合了AST解析、常量与变量上下文管理、求值栈操作、帧对象状态调度以及堆上对象的动态生命周期控制，深入理解它不仅能揭开Python“慢”的底层原因，更能帮你精准优化性能、调试异常、甚至定制解释器行为——原来每一行Python代码背后，都是一场虚拟机与内存、指令与引用的精密协作。

Python 字节码不是直接由硬件运行的机器码，而是由 Python 虚拟机（CPython 的 PVM）解释执行的中间表示。理解其执行流程，关键在于看清“源码 → 编译 → 字节码 → 解释执行”这四个环节中每一步做了什么、谁在参与、以及数据如何流转。

源代码被编译成字节码（.pyc 文件）

当你运行 python script.py 或导入一个模块时，CPython 会先检查是否存在对应时间戳更新的 __pycache__/script.cpython-312.pyc（版本号因 Python 版本而异）。若不存在或过期，就调用内置的编译器将源码解析为抽象语法树（AST），再优化并生成字节码指令序列。

你可以手动触发编译：

• import py_compile; py_compile.compile('script.py')
• python -m py_compile script.py

生成的 .pyc 文件本质是二进制容器，包含魔法数、时间戳、源码路径和真正的字节码（co_code 字段）。

字节码以 code object 形式加载进内存

执行前，Python 将 .pyc 中的字节码载入为一个 code object（不可变对象），它还携带了常量表（co_consts）、变量名（co_names）、局部名（co_varnames）、栈需求（co_stacksize）等元信息。这些信息共同决定虚拟机如何执行该段字节码。

例如，执行 dis.dis(lambda x: x + 1) 会显示：

• LOAD_FAST（从局部变量槽取 x）
• LOAD_CONST（从 co_consts 取整数 1）
• BINARY_ADD（执行加法）
• RETURN_VALUE（返回结果）

每条指令都依赖 code object 提供的上下文才能正确寻址和操作。

PVM 按顺序读取并执行字节码指令

Python 虚拟机是一个基于栈的解释器。它维护一个求值栈（evaluation stack）和当前帧对象（frame object），帧中保存局部变量、上层帧引用、指令指针（f_lasti）等。PVM 循环执行：读取下一条指令 → 解析操作码与参数 → 调用对应逻辑（如 Pyeval_EvalFrameDefault 中的 switch-case 分支）→ 更新栈与状态 → 移动指令指针。

典型行为包括：

• 遇到 LOAD_NAME：查 globals/locals 字典，压栈
• 遇到 CALL_FUNCTION：弹出参数和函数对象，新建帧并跳转执行
• 遇到 JUMP_ABSOLUTE：修改 f_lasti 实现跳转（支撑循环与条件）

没有 JIT，纯解释执行；每条字节码指令背后都是 C 函数调用，开销可见。

执行结果由帧对象和对象系统承载

字节码本身不存储数据，所有运行时对象（int、list、function 等）都分配在堆上，由引用计数 + 垃圾回收管理。帧对象只存指向这些对象的指针。比如 a = [1, 2] 对应的字节码会创建 list 对象并把地址写入局部变量槽，后续 a.append(3) 则通过该指针调用对象方法。

函数调用、异常抛出、生成器挂起等高级行为，也都映射为帧状态变更（如 f_back、f_exc_info、f_gen 等字段赋值），而非字节码直译。

今天关于《Python字节码执行过程全解析》的内容就介绍到这里了，是不是学起来一目了然！想要了解更多关于的内容请关注golang学习网公众号！