Python Ast抽象語法樹的介紹及應用詳解
引言
Abstract Syntax Trees即抽象語法樹。Ast是python源碼到字節碼的一種中間產物,借助ast模塊可以從語法樹的角度分析源碼結構。
此外,我們不僅可以修改和執行語法樹,還可以將Source生成的語法樹unparse成python源碼。因此ast給python源碼檢查、語法分析、修改代碼以及代碼調試等留下瞭足夠的發揮空間。
1. AST簡介
Python官方提供的CPython解釋器對python源碼的處理過程如下:
Parse source code into a parse tree (Parser/pgen.c)
Transform parse tree into an Abstract Syntax Tree (Python/ast.c)
Transform AST into a Control Flow Graph (Python/compile.c)
Emit bytecode based on the Control Flow Graph (Python/compile.c)
即實際python代碼的處理過程如下:
源代碼解析 –> 語法樹 –> 抽象語法樹(AST) –> 控制流程圖 –> 字節碼
上述過程在python2.5之後被應用。python源碼首先被解析成語法樹,隨後又轉換成抽象語法樹。在抽象語法樹中我們可以看到源碼文件中的python的語法結構。
大部分時間編程可能都不需要用到抽象語法樹,但是在特定的條件和需求的情況下,AST又有其特殊的方便性。
下面是一個抽象語法的簡單實例。
Module(body=[ Print( dest=None, values=[BinOp( left=Num(n=1),op=Add(),right=Num(n=2))], nl=True, )])
2. 創建AST
2.1 Compile函數
先簡單瞭解一下compile函數。
compile(source, filename, mode[, flags[, dont_inherit]])
- source — 字符串或者AST(Abstract Syntax Trees)對象。一般可將整個py文件內容file.read()傳入。
- filename — 代碼文件名稱,如果不是從文件讀取代碼則傳遞一些可辨認的值。
- mode — 指定編譯代碼的種類。可以指定為 exec, eval, single。
- flags — 變量作用域,局部命名空間,如果被提供,可以是任何映射對象。
- flags和dont_inherit是用來控制編譯源碼時的標志。
func_def = \ """ def add(x, y): return x + y print add(3, 5) """
使用Compile編譯並執行:
>>> cm = compile(func_def, '<string>', 'exec') >>> exec cm >>> 8
上面func_def經過compile編譯得到字節碼,cm即code對象,
True == isinstance(cm, types.CodeType)。
compile(source, filename, mode, ast.PyCF_ONLY_AST) <==> ast.parse(source, filename='<unknown>', mode='exec')
2.2 生成ast
使用上面的func_def生成ast.
r_node = ast.parse(func_def) print astunparse.dump(r_node) # print ast.dump(r_node)
下面是func_def對應的ast結構:
Module(body=[ FunctionDef( name='add', args=arguments( args=[Name(id='x',ctx=Param()),Name(id='y',ctx=Param())], vararg=None, kwarg=None, defaults=[]), body=[Return(value=BinOp( left=Name(id='x',ctx=Load()), op=Add(), right=Name(id='y',ctx=Load())))], decorator_list=[]), Print( dest=None, values=[Call( func=Name(id='add',ctx=Load()), args=[Num(n=3),Num(n=5)], keywords=[], starargs=None, kwargs=None)], nl=True) ])
除瞭ast.dump,有很多dump ast的第三方庫,如astunparse, codegen, unparse等。這些第三方庫不僅能夠以更好的方式展示出ast結構,還能夠將ast反向導出python source代碼。
module Python version "$Revision$" { mod = Module(stmt* body)| Expression(expr body) stmt = FunctionDef(identifier name, arguments args, stmt* body, expr* decorator_list) | ClassDef(identifier name, expr* bases, stmt* body, expr* decorator_list) | Return(expr? value) | Print(expr? dest, expr* values, bool nl)| For(expr target, expr iter, stmt* body, stmt* orelse) expr = BoolOp(boolop op, expr* values) | BinOp(expr left, operator op, expr right)| Lambda(arguments args, expr body)| Dict(expr* keys, expr* values)| Num(object n) -- a number as a PyObject. | Str(string s) -- need to specify raw, unicode, etc?| Name(identifier id, expr_context ctx) | List(expr* elts, expr_context ctx) -- col_offset is the byte offset in the utf8 string the parser uses attributes (int lineno, int col_offset) expr_context = Load | Store | Del | AugLoad | AugStore | Param boolop = And | Or operator = Add | Sub | Mult | Div | Mod | Pow | LShift | RShift | BitOr | BitXor | BitAnd | FloorDiv arguments = (expr* args, identifier? vararg, identifier? kwarg, expr* defaults) }
上面是部分摘自官網的 Abstract Grammar,實際遍歷ast Node過程中根據Node的類型訪問其屬性。
3. 遍歷AST
python提供瞭兩種方式來遍歷整個抽象語法樹。
3.1 ast.NodeTransfer
將func_def中的add函數中的加法運算改為減法,同時為函數實現添加調用日志。
class CodeVisitor(ast.NodeVisitor): def visit_BinOp(self, node): if isinstance(node.op, ast.Add): node.op = ast.Sub() self.generic_visit(node) def visit_FunctionDef(self, node): print 'Function Name:%s'% node.name self.generic_visit(node) func_log_stmt = ast.Print( dest = None, values = [ast.Str(s = 'calling func: %s' % node.name, lineno = 0, col_offset = 0)], nl = True, lineno = 0, col_offset = 0, ) node.body.insert(0, func_log_stmt) r_node = ast.parse(func_def) visitor = CodeVisitor() visitor.visit(r_node) # print astunparse.dump(r_node) print astunparse.unparse(r_node) exec compile(r_node, '<string>', 'exec')
運行結果:
Function Name:add def add(x, y): print 'calling func: add' return (x - y) print add(3, 5) calling func: add -2
3.2 ast.NodeTransformer
使用NodeVisitor主要是通過修改語法樹上節點的方式改變AST結構,NodeTransformer主要是替換ast中的節點。
既然func_def中定義的add已經被改成一個減函數瞭,那麼我們就徹底一點,把函數名和參數以及被調用的函數都在ast中改掉,並且將添加的函數調用log寫的更加復雜一些,爭取改的面目全非:-)
class CodeTransformer(ast.NodeTransformer): def visit_BinOp(self, node): if isinstance(node.op, ast.Add): node.op = ast.Sub() self.generic_visit(node) return node def visit_FunctionDef(self, node): self.generic_visit(node) if node.name == 'add': node.name = 'sub' args_num = len(node.args.args) args = tuple([arg.id for arg in node.args.args]) func_log_stmt = ''.join(["print 'calling func: %s', " % node.name, "'args:'", ", %s" * args_num % args]) node.body.insert(0, ast.parse(func_log_stmt)) return node def visit_Name(self, node): replace = {'add': 'sub', 'x': 'a', 'y': 'b'} re_id = replace.get(node.id, None) node.id = re_id or node.id self.generic_visit(node) return node r_node = ast.parse(func_def) transformer = CodeTransformer() r_node = transformer.visit(r_node) # print astunparse.dump(r_node) source = astunparse.unparse(r_node) print source # exec compile(r_node, '<string>', 'exec') # 新加入的node func_log_stmt 缺少lineno和col_offset屬性 exec compile(source, '<string>', 'exec') exec compile(ast.parse(source), '<string>', 'exec')
結果:
def sub(a, b): print 'calling func: sub', 'args:', a, b return (a - b) print sub(3, 5) calling func: sub args: 3 5 -2 calling func: sub args: 3 5 -2
代碼中能夠清楚的看到兩者的區別。這裡不再贅述。
4.AST應用
AST模塊實際編程中很少用到,但是作為一種源代碼輔助檢查手段是非常有意義的;語法檢查,調試錯誤,特殊字段檢測等。
上面通過為函數添加調用日志的信息是一種調試python源代碼的一種方式,不過實際中我們是通過parse整個python文件的方式遍歷修改源碼。
4.1 漢字檢測
下面是中日韓字符的unicode編碼范圍
CJK Unified Ideographs
Range: 4E00— 9FFF
Number of characters: 20992
Languages: chinese, japanese, korean, vietnamese
使用 unicode 范圍 \u4e00 – \u9fff 來判別漢字,註意這個范圍並不包含中文字符(e.g. u';' == u'\uff1b') .
下面是一個判斷字符串中是否包含中文字符的一個類CNCheckHelper:
class CNCheckHelper(object): # 待檢測文本可能的編碼方式列表 VALID_ENCODING = ('utf-8', 'gbk') def _get_unicode_imp(self, value, idx = 0): if idx < len(self.VALID_ENCODING): try: return value.decode(self.VALID_ENCODING[idx]) except: return self._get_unicode_imp(value, idx + 1) def _get_unicode(self, from_str): if isinstance(from_str, unicode): return None return self._get_unicode_imp(from_str) def is_any_chinese(self, check_str, is_strict = True): unicode_str = self._get_unicode(check_str) if unicode_str: c_func = any if is_strict else all return c_func(u'\u4e00' <= char <= u'\u9fff' for char in unicode_str) return False
接口is_any_chinese有兩種判斷模式,嚴格檢測隻要包含中文字符串就可以檢查出,非嚴格必須全部包含中文。
下面我們利用ast來遍歷源文件的抽象語法樹,並檢測其中字符串是否包含中文字符。
class CodeCheck(ast.NodeVisitor): def __init__(self): self.cn_checker = CNCheckHelper() def visit_Str(self, node): self.generic_visit(node) # if node.s and any(u'\u4e00' <= char <= u'\u9fff' for char in node.s.decode('utf-8')): if self.cn_checker.is_any_chinese(node.s, True): print 'line no: %d, column offset: %d, CN_Str: %s' % (node.lineno, node.col_offset, node.s) project_dir = './your_project/script' for root, dirs, files in os.walk(project_dir): print root, dirs, files py_files = filter(lambda file: file.endswith('.py'), files) checker = CodeCheck() for file in py_files: file_path = os.path.join(root, file) print 'Checking: %s' % file_path with open(file_path, 'r') as f: root_node = ast.parse(f.read()) checker.visit(root_node)
上面這個例子比較的簡單,但大概就是這個意思。
關於CPython解釋器執行源碼的過程可以參考官網描述:PEP 339
4.2 Closure 檢查
一個函數中定義的函數或者lambda中引用瞭父函數中的local variable,並且當做返回值返回。特定場景下閉包是非常有用的,但是也很容易被誤用。
關於python閉包的概念可以參考我的另一篇文章:理解Python閉包概念
這裡簡單介紹一下如何借助ast來檢測lambda中閉包的引用。代碼如下:
class LambdaCheck(ast.NodeVisitor): def __init__(self): self.illegal_args_list = [] self._cur_file = None self._cur_lambda_args = [] def set_cur_file(self, cur_file): assert os.path.isfile(cur_file), cur_file self._cur_file = os.path.realpath(cur_file) def visit_Lambda(self, node): """ lambda 閉包檢查原則: 隻需檢測lambda expr body中args是否引用瞭lambda args list之外的參數 """ self._cur_lambda_args =[a.id for a in node.args.args] print astunparse.unparse(node) # print astunparse.dump(node) self.get_lambda_body_args(node.body) self.generic_visit(node) def record_args(self, name_node): if isinstance(name_node, ast.Name) and name_node.id not in self._cur_lambda_args: self.illegal_args_list.append((self._cur_file, 'line no:%s' % name_node.lineno, 'var:%s' % name_node.id)) def _is_args(self, node): if isinstance(node, ast.Name): self.record_args(node) return True if isinstance(node, ast.Call): map(self.record_args, node.args) return True return False def get_lambda_body_args(self, node): if self._is_args(node): return # for cnode in ast.walk(node): for cnode in ast.iter_child_nodes(node): if not self._is_args(cnode): self.get_lambda_body_args(cnode)
遍歷工程文件:
project_dir = './your project/script' for root, dirs, files in os.walk(project_dir): py_files = filter(lambda file: file.endswith('.py'), files) checker = LambdaCheck() for file in py_files: file_path = os.path.join(root, file) checker.set_cur_file(file_path) with open(file_path, 'r') as f: root_node = ast.parse(f.read()) checker.visit(root_node) res = '\n'.join([' ## '.join(info) for info in checker.illegal_args_list]) print res
由於Lambda(arguments args, expr body)中的body expression可能非常復雜,上面的例子中僅僅處理瞭比較簡單的body expr。可根據自己工程特點修改和擴展檢查規則。為瞭更加一般化可以單獨寫一個visitor類來遍歷lambda節點。
Ast的應用不僅限於上面的例子,限於篇幅,先介紹到這裡。期待ast能幫助你解決一些比較棘手的問題。
以上就是Python Ast抽象語法樹的介紹及應用詳解的詳細內容,更多關於Python Ast抽象語法樹的資料請關註WalkonNet其它相關文章!
推薦閱讀:
- c語言中if語句是怎麼變成匯編代碼的詳解
- 總結分析Python的5個硬核函數
- Python詳解argparse參數模塊之命令行參數
- 如何提取Playwright錄制文件中的元素定位信息
- c語言處理函數調用的方法