python反編譯學(xué)習(xí)之字節(jié)碼詳解

更新時間：2019年05月19日 08:33:13 作者：公眾號python學(xué)習(xí)開發(fā)

這篇文章主要給大家介紹了關(guān)于python反編譯學(xué)習(xí)之字節(jié)碼的相關(guān)資料，文中通過示例代碼介紹的非常詳細(xì)，對大家學(xué)習(xí)或者使用python具有一定的參考學(xué)習(xí)價值，需要的朋友們下面來一起學(xué)習(xí)學(xué)習(xí)吧

前言

如果你曾經(jīng)寫過或者用過 Python，你可能已經(jīng)習(xí)慣了看到 Python 源代碼文件；它們的名稱以.Py 結(jié)尾。你可能還見過另一種類型的文件是 .pyc 結(jié)尾的，它們就是 Python “字節(jié)碼”文件。(在 Python3 的時候這個 .pyc 后綴的文件不太好找了,它在一個名為__pycache__的子目錄下面。).pyc文件可以防止Python每次運行時都重新解析源代碼，該文件大大節(jié)省了時間。

Python是如何工作的

Python 通常被描述為一種解釋語言，在這種語言中，你的源代碼在程序運行時被翻譯成CPU指令，但這只是說對了部分。和許多解釋型語言一樣，Python 實際上將源代碼編譯為虛擬機(jī)的一組指令，Python 解釋器就是該虛擬機(jī)的實現(xiàn)。其中這種中間格式稱為“字節(jié)碼”。

因此，Python留下的這些.pyc文件，是為了讓運行的速快變得 “更快”，或者是針對你的源代碼的”優(yōu)化“的版本；它們是 Python 虛擬機(jī)上運行的字節(jié)碼指令。

Python 虛擬機(jī)內(nèi)幕

CPython使用基于堆棧的虛擬機(jī)。也就是說，它完全圍繞堆棧數(shù)據(jù)結(jié)構(gòu)(你可以將項目“推”到結(jié)構(gòu)的“頂部”，或者將項目“彈出”到“頂部”)。

CPython 使用三種類型的棧：

1.調(diào)用堆棧。這是運行中的Python程序的主要結(jié)構(gòu)。對于每個當(dāng)前活動的函數(shù)調(diào)用，它都有一個項目一“幀”，堆棧的底部是程序的入口點。每次函數(shù)調(diào)用都會將新的幀推到調(diào)用堆棧上，每次函數(shù)調(diào)用返回時，它的幀都會彈出

2.在每一幀中，都有一個評估堆棧(也稱為數(shù)據(jù)堆棧)。這個堆棧是執(zhí)行 Python 函數(shù)的地方，執(zhí)行Python代碼主要包括將東西推到這個堆棧上，操縱它們，然后將它們彈出。

3.同樣在每一幀中，都有一個塊堆棧。Python使用它來跟蹤某些類型的控制結(jié)構(gòu):循環(huán)、try /except塊，以及 with 塊都會導(dǎo)致條目被推送到塊堆棧上，每當(dāng)退出這些結(jié)構(gòu)之一時，塊堆棧就會彈出。這有助于Python知道在任何給定時刻哪些塊是活動的，例如，continue或break語句可以影響正確的塊。

大多數(shù) Python 字節(jié)碼指令操作的是當(dāng)前調(diào)用棧幀的計算棧，雖然，還有一些指令可以做其它的事情（比如跳轉(zhuǎn)到指定指令，或者操作塊棧）。

為了更好地理解，假設(shè)我們有一些調(diào)用函數(shù)的代碼，比如這個：

my_function(my_variable,2)。

Python 將轉(zhuǎn)換為一系列字節(jié)碼指令：

1.一個LOAD_NAME指令，用于查找函數(shù)對象 my_function，并將其推送到計算棧的頂部

2.另一個 LOAD_NAME 指令去查找變量 my_variable，并將其推送到計算棧的頂部

3.一個 LOAD_CONST 指令將一個整數(shù) 2 推送到計算棧的頂部

4.一個 CALL_FUNCTION 指令

CALL_FUNCTION 指令有2個參數(shù)，它表示 Python 需要在堆棧頂部彈出兩個位置參數(shù); 然后函數(shù)將在它上面進(jìn)行調(diào)用，并且它也同時被彈出（關(guān)鍵字參數(shù)的函數(shù)，使用指令-CALL_FUNCTION_KW-類似的操作，并配合使用第三條指令CALL_FUNCTION_EX，它適用于函數(shù)調(diào)用涉及到參數(shù)使用 * 或 ** 操作符的情況）
一旦 Python 具備了這些，它將在調(diào)用堆棧上分配一個新的幀，填充到函數(shù)調(diào)用的本地變量，然后運行該幀內(nèi)的 my_function 的字節(jié)碼。一旦運行完成，幀將從調(diào)用堆棧中彈出，在原始幀中，my_function 的返回值將被推入到計算棧的頂部。

我們知道了這個東西了，也知道字節(jié)碼了文件了，但是如何去使用字節(jié)碼呢？ok不知道也沒關(guān)系，接下來的時間我們所有的話題都將圍繞字節(jié)碼，在python有一個模塊可以通過反編譯Python代碼來生成字節(jié)碼這個模塊就是今天要說的--dis模塊。

dis模塊的使用

dis模塊包括一些用于處理 Python 字節(jié)碼的函數(shù)，可以將字節(jié)碼“反匯編”為更便于人閱讀的形式。查看解釋器運行的字節(jié)碼還有助于優(yōu)化代碼。這個模塊對于查找多線程中的競態(tài)條件也很有用，因為可以用它評估代碼中哪一點線程控制可能切換。參考源碼Include/opcode.h，可以找到字節(jié)碼的正式列表。詳細(xì)可以看官方文檔。注意不同版本的python生成的字節(jié)碼內(nèi)容可能不一樣,這里我用的Python 3.8.

訪問和理解字節(jié)碼

輸入如下內(nèi)容，然后運行它：

def hello()
 print("Hello, World!")
import dis
dis.dis(hello)

函數(shù) dis.dis() 將反匯編一個函數(shù)、方法、類、模塊、編譯過的 Python 代碼對象、或者字符串包含的源代碼，以及顯示出一個人類可讀的版本。dis 模塊中另一個方便的功能是 distb()。你可以給它傳遞一個 Python 追溯對象，或者在發(fā)生預(yù)期外情況時調(diào)用它，然后它將在發(fā)生預(yù)期外情況時反匯編調(diào)用棧上最頂端的函數(shù)，并顯示它的字節(jié)碼，以及插入一個指向到引發(fā)意外情況的指令的指針。

它也可以用于查看 Python 為每個函數(shù)構(gòu)建的編譯后的代碼對象，因為運行一個函數(shù)將會用到這些代碼對象的屬性。這里有一個查看 hello() 函數(shù)的示例：

>>> hello.__code__
<code object hello at 0x104e46930, file "<stdin>", line 1>
>>> hello.__code__.co_consts
(None, 'Hello, World!')
>>> hello.__code__.co_varnames
()
>>> hello.__code__.co_names
('print',)

代碼對象在函數(shù)中可以以屬性 __code__ 來訪問，并且攜帶了一些重要的屬性：

co_consts 是存在于函數(shù)體內(nèi)的任意實數(shù)的元組

co_varnames 是函數(shù)體內(nèi)使用的包含任意本地變量名字的元組

co_names 是在函數(shù)體內(nèi)引用的任意非本地名字的元組

許多字節(jié)碼指令--尤其是那些推入到棧中的加載值，或者在變量和屬性中的存儲值--在這些元組中的索引作為它們參數(shù)。

因此，現(xiàn)在我們能夠理解 hello() 函數(shù)中所列出的字節(jié)碼：

1、LOAD_GLOBAL 0：告訴 Python 通過 co_names （它是 print 函數(shù)）的索引 0 上的名字去查找它指向的全局對象，然后將它推入到計算棧

2、LOAD_CONST 1：帶入 co_consts 在索引 1 上的字面值，并將它推入（索引 0 上的字面值是 None，它表示在 co_consts 中，因為 Python 函數(shù)調(diào)用有一個隱式的返回值 None，如果沒有顯式的返回表達(dá)式，就返回這個隱式的值）。

3、CALL_FUNCTION 1：告訴 Python 去調(diào)用一個函數(shù)；它需要從棧中彈出一個位置參數(shù)，然后，新的棧頂將被函數(shù)調(diào)用。

“原始的” 字節(jié)碼--是非人類可讀格式的字節(jié)--也可以在代碼對象上作為 co_code 屬性可用。如果你有興趣嘗試手工反匯編一個函數(shù)時，你可以從它們的十進(jìn)制字節(jié)值中，使用列出 dis.opname 的方式去查看字節(jié)碼指令的名字。

基本反匯編

函數(shù)dis()可以打印 Python 源代碼(模塊、類、方法、函數(shù)或代碼對象)的反匯編表示?？梢酝ㄟ^從命令行運行 dis 來反匯編 dis_simple.py 之類的模塊。

dis_simple.py
#!/usr/bin/env python3
# encoding: utf-8
my_dict = {'a': 1}

輸出按列組織，包含原始源代碼行號，代碼對象中的指令地址，操作碼名稱以及傳遞給操作碼的任何參數(shù)。
對于簡單的代碼我們可以通過命令行的形式執(zhí)行下面的命令：

python3 -m dis dis_simple.py

輸出

1      0 LOAD_CONST        0 ('a')
       2 LOAD_CONST        1 (1)
       4 BUILD_MAP        1
       6 STORE_NAME        0 (my_dict)
       8 LOAD_CONST        2 (None)
       10 RETURN_VALUE

在這里源代碼轉(zhuǎn)換為4個不同的操作來創(chuàng)建和填充字典，然后將結(jié)果保存到一個局部變量。

首先解釋每一行各列參數(shù)的含義：

以第一條指令為例：

第一列數(shù)字（1）表示對應(yīng)源代碼的行數(shù)。

第二列（可選）指示當(dāng)前執(zhí)行的指令（例如，當(dāng)字節(jié)碼來自幀對象時)【這個例子沒有】

第三列一個標(biāo)簽，表示從之前的指令到此可能的JUMP 【這個例子沒有】

第四列數(shù)字是字節(jié)碼中對應(yīng)于字節(jié)索引的地址(這些是2的倍數(shù)，因為Python 3.6每條指令使用2個字節(jié)，而在以前的版本中可能會有所不同)指令LOAD_CONST在0位置。

第五列指令本身對應(yīng)的人類可讀的名字這里是"LOAD_CONST"

第六列 Python內(nèi)部用于獲取某些常量或變量，管理堆棧，跳轉(zhuǎn)到特定指令等的指令的參數(shù)（如果有的話）。

第七列計算后的實際參數(shù)。

然后讓我們看看這個過程：

由于 Python 解釋器是基于棧的，所以前幾步是用LOAD_CONST將常量按正確順序放入到棧中，然后使用 BUILD_MAP 彈出要增加到字典的新鍵和值。用 STORE_NAME 將所得到的dict對象綁定名為my_dict.

反匯編函數(shù)

需要注意的是上面的命令行反編譯的形式，不能自動的遞歸反編譯函數(shù)，所以我們要使用在文件中導(dǎo)入dis的模式進(jìn)行反編譯，就像下面這樣。

#dis_function.py
def f(*args):
 nargs = len(args)
 print(nargs, args)

if __name__ == '__main__':
 import dis
 dis.dis(f)

運行命令

python3 dis_function.py

然后得到以下結(jié)果

2           0 LOAD_GLOBAL              0 (len)
              2 LOAD_FAST                0 (args)
              4 CALL_FUNCTION            1
              6 STORE_FAST               1 (nargs)

3           8 LOAD_GLOBAL              1 (print)
             10 LOAD_FAST                1 (nargs)
             12 LOAD_FAST                0 (args)
             14 CALL_FUNCTION            2
             16 POP_TOP
             18 LOAD_CONST               0 (None)
             20 RETURN_VALUE

要查看函數(shù)的內(nèi)部，必須把函數(shù)傳遞到dis().因為這里打印的是函數(shù)內(nèi)部的東西，所以沒有顯示函數(shù)的在外層的行編號，而是從2開始的。

下面解析下每一行指令的含義：

1、LOAD_GLOBAL 用來加載全局變量，包括指定函數(shù)名，類名，模塊名等全局符號，這里是len函數(shù)，LOAD_FAST 一般加載局部變量的值，也就是讀取值，用于計算或者函數(shù)調(diào)用傳參等，這里就是傳入?yún)?shù)args。

2、一般是先指定要調(diào)用的函數(shù)，然后壓參數(shù)，最后通過 CALL_FUNCTION 調(diào)用。

3、STORE_FAST 保存值到局部變量。也就是把結(jié)果賦值給 STORE_FAST。

4、下面的print因為2個參數(shù)所以LOAD_FAST了2次，POP_TOP刪除堆棧頂部(TOS)項。LOAD_CONST加載const變量，比如數(shù)值、字符串等等，這里因為是print所以值為None。

5、最后通過RETURN_VALUE來確定函數(shù)結(jié)尾。

要打印一個函數(shù)的總結(jié)信息我們可以使用dis的show_code的方法，它包含使用的參數(shù)和名的相關(guān)信息，show_code的參數(shù)就是這個函數(shù)對象，代碼如下:

def f(*args):
 nargs = len(args)
 print(nargs, args)

if __name__ == '__main__':
 import dis
 dis.show_code(f)

運行之后，結(jié)果如下

Name:              f
Filename:          dis_function_showcode.py
Argument count:    0
Kw-only arguments: 0
Number of locals: 2
Stack size:        3
Flags:             OPTIMIZED, NEWLOCALS, VARARGS, NOFREE
Constants:
   0: None
Names:
   0: len
   1: print
Variable names:
   0: args
   1: nargs

可以看到返回的內(nèi)容有函數(shù)，方法，參數(shù)等信息。

反匯編類

上面我們知道了如何反匯編一個函數(shù)的內(nèi)部，同樣的我們也可以用類似的方法反匯編一個類。

我們看一個例子:

import dis

class MyObject:
 """Example for dis."""

 CLASS_ATTRIBUTE = 'some value'

 def __str__(self):
  return 'MyObject({})'.format(self.name)

 def __init__(self, name):
  self.name = name

if __name__ == '__main__':
 dis.dis(MyObject)

運行之和得到如下結(jié)果

Disassembly of __init__:
12           0 LOAD_FAST                1 (name)
              2 LOAD_FAST                0 (self)
              4 STORE_ATTR               0 (name)
              6 LOAD_CONST               0 (None)
              8 RETURN_VALUE

Disassembly of __str__:
9           0 LOAD_CONST               1 ('MyObject({})')
              2 LOAD_METHOD              0 (format)
              4 LOAD_FAST                0 (self)
              6 LOAD_ATTR                1 (name)
              8 CALL_METHOD              1
             10 RETURN_VALUE

從整體內(nèi)容來看，結(jié)果分為了兩部分Disassembly of __init__和Disassembly of __str__，Disassembly就是反匯編的意思。

首先分析__init__部分：

1、然后需要注意的一點是，方法是按照字母的順序列出的，所以在部分，先看到name再看到self，但是他們都是 LOAD_FAST。

2、STORE_ATTR實現(xiàn)self.name = name。

3、然后LOAD_CONST一個None和RETURN_VALUE標(biāo)志著函數(shù)結(jié)束。

接下來分析__str__部分：

1、LOAD_CONST將'MyObject({})'加載到棧

2、然后通過 LOAD_METHOD 調(diào)用字符串format方法。這個方法是Python3.7新加入的。

3、LOAD_FAST 也就是到了self了。

4、LOAD_ATTR 一般是調(diào)用某個對象的方法時。這里就是self.name的.name操作

5、CALL_METHOD 是 python3.7 新增加的內(nèi)容，這里是執(zhí)行方法。

6、RETURN_VALUE表示函數(shù)的結(jié)束。

上面字符串的拼接我們用了format,之前我一直推薦用f-string,下面就讓我們通過字節(jié)碼來分析，為什么f-string比format要高快。

代碼其他代碼不變，把return改成以下內(nèi)容：

return f'MyObject({self.name})'

再次執(zhí)行，下面我們只看__str__函數(shù)的部分。

Disassembly of __str__: 9 0 LOAD_CONST 1 ('MyObject(') 2 LOAD_FAST 0 (self) 4 LOAD_ATTR 0 (name) 6 FORMAT_VALUE 0 8 LOAD_CONST 2 (')') 10 BUILD_STRING 3 12 RETURN_VALUE對比發(fā)現(xiàn)我們這里沒有了調(diào)用方法的操作LOAD_METHOD,取而代之使用了用于實現(xiàn)fstring的FORMAT_VALUE指令。之后通過BUILD_STRING連接堆棧中的計數(shù)字符串并將結(jié)果字符串推入堆棧.為什么format慢呢， python中的函數(shù)調(diào)用具有相當(dāng)大的開銷。當(dāng)使用str.format()時,CALL_METHOD 中花費的額外時間是導(dǎo)致str.format()比fstring慢得多。

使用反匯編調(diào)試

調(diào)試一個異常時，有時要查看哪個字節(jié)碼帶來了問題。這個時候就很有用了，要對一個錯誤周圍的代碼反匯編，有多種方法。第一種策略是在交互解釋器中使用dis()報告最后一個異常。
如果沒有向dis()傳入任何參數(shù)，那么它會查找一個異常，并顯示導(dǎo)致這個異常的棧頂元素的反匯編效果。

命令行上使用

打開我的命令行執(zhí)行如下操作:

 chennan@chennandeMacBook-Pro-2  ~  python3
Python 3.8.0a3 (v3.8.0a3:9a448855b5, Mar 25 2019, 17:05:20)
[Clang 6.0 (clang-600.0.57)] on darwin
Type "help", "copyright", "credits" or "license" for more information.
>>> import dis
>>> j = 4
>>> i = i + 4
Traceback (most recent call last):
 File "<stdin>", line 1, in <module>
NameError: name 'i' is not defined
>>> dis.dis()
 1 -->  0 LOAD_NAME    0 (i)
    2 LOAD_CONST    0 (4)
    4 BINARY_ADD
    6 STORE_NAME    0 (i)
    8 LOAD_CONST    1 (None)
    10 RETURN_VALUE
>>>

行號后面的-->就是導(dǎo)致錯誤的操作碼,一個LOAD_NAME指令，由于沒有定義變量i，所以無法將與這個名關(guān)聯(lián)的值加載到棧中。

代碼中使用distb

程序還可以打印一個活動的traceback的有關(guān)信息，將它傳遞到distb()方法。

下面的程序中有個DiviedByZero異常；但是這個公式有兩個除法，所以不清楚是哪一部分出錯，此時我們就可以使用下面的方法:

dis_traceback.py

i = 1
j = 0
k = 3

try:
 result = k * (i / j) + (i / k)
except Exception:
 import dis
 import sys
 exc_type, exc_value, exc_tb = sys.exc_info()
 dis.distb(exc_tb)

運行之后輸出

1           0 LOAD_CONST               0 (1)
              2 STORE_NAME               0 (i)

2           4 LOAD_CONST               1 (0)
              6 STORE_NAME               1 (j)

3           8 LOAD_CONST               2 (3)
             10 STORE_NAME               2 (k)

5          12 SETUP_FINALLY           24 (to 38)

6          14 LOAD_NAME                2 (k)
             16 LOAD_NAME                0 (i)
             18 LOAD_NAME                1 (j)
    -->      20 BINARY_TRUE_DIVIDE
             22 BINARY_MULTIPLY
             24 LOAD_NAME                0 (i)
             26 LOAD_NAME                2 (k)
             28 BINARY_TRUE_DIVIDE
...
        >>   96 END_FINALLY
        >>   98 LOAD_CONST               3 (None)
            100 RETURN_VALUE