《Python源码剖析》笔记list_print()

Python 3第一个程序:从环境搭建到print()原理全透视 Python 3入门不是写一行print('Hello World'),而是理解程序如何在真实系统中被定位、解析与执行。其核心在于掌握解释器路径(python3)、版本确认(--version)、执行方式(命令行/IDE)三大环境要素,并深入print()作为内置函数的语法本质——括号调用、参数传递、sep/end定制等特性,直接体现Python 3函数化、显式化的设计哲学。这些能力构成后续虚拟环境(venv/conda)、调试(pdb)、项目结构等工程实践的基础支撑,适用于零基础新手、跨平台开发者及企业内 阅读详情

目前学习到第三章PyListObject的内容,在最后一小节Hack PyListObject操作的时候,作者并没有给源代码,这里是我的修改。

static int
list_print(PyListObject *op, FILE *fp, int flags)
{
    int rc;
    Py_ssize_t i;
    PyObject *item;

    rc = Py_ReprEnter((PyObject*)op);
    if (rc != 0) {
        if (rc < 0)
            return rc;
        Py_BEGIN_ALLOW_THREADS
        fprintf(fp, "[...]");
        Py_END_ALLOW_THREADS
        return 0;
    }
    Py_BEGIN_ALLOW_THREADS
    fprintf(fp, "[");
    Py_END_ALLOW_THREADS
    for (i = 0; i < Py_SIZE(op); i++) {
        item = op->ob_item[i];
        Py_INCREF(item);
        if (i > 0) {
            Py_BEGIN_ALLOW_THREADS
            fprintf(fp, ", ");
            Py_END_ALLOW_THREADS
        }
        if (PyObject_Print(item, fp, 0) != 0) {
            Py_DECREF(item);
            Py_ReprLeave((PyObject *)op);
            return -1;
        }
        Py_DECREF(item);
    }
    Py_BEGIN_ALLOW_THREADS
    fprintf(fp, "]");
    Py_END_ALLOW_THREADS
    Py_ReprLeave((PyObject *)op);

	// -------------------------------
	printf("\nallocated=%d, ob_size=%d\n", op->allocated, op->ob_size);
	printf("num_free_lists=%d\n", numfree);
	// -------------------------------

    return 0;
}

修改的代码在// -------------------------------之间,放在这个函数的其他地方也可以,但是注意不要放在

Py_BEGIN_ALLOW_THREADS
fprintf(fp, "]");
Py_END_ALLOW_THREADS

之间,这块代码之间开启了一个线程,由于我在第一次改代码的时候就已经试过错了,所以不会再犯了,详情请看我的另一篇文章《Python源码剖析》笔记 int_print()

PS.最后查看PyListObject对象缓冲池的使用,也可以在命令行中查看,有一些不同,但效果是一样的。
如图:
在这里插入图片描述
或者:
在这里插入图片描述
本人是C语言小白,没怎么接触过C语言,现在在研究Python源码,如果有什么错误,欢迎各位大佬指正,感谢!

Python中List与Tuple的本质区别:内存、性能与设计契约 在Python中,List和Tuple虽同为序列类型,但本质是两种截然不同的数据抽象:List代表可变容器,支持动态增删改,底层为动态数组,存在扩容开销与内存碎片;Tuple则是不可变标识,以固定内存块实现,具备哈希性、线程安全性和创建高效性。其差异不仅影响时间复杂度(如创建快3倍、字典键唯一支持)和内存占用(小tuple节省30%+容器开销),更深层体现为数据契约设计——tuple声明‘事实终点’,list表达‘变化过程’。这一区分直接决定配置管理、API参数解包、多返回值、并发安全等关键场景的健壮性。理 阅读详情

相关推荐

VS Code Python性能剖析实战:零侵入定位CPU与内存瓶颈

Python性能分析本质是理解代码执行时的资源消耗路径,其核心原理在于采样函数调用栈与内存分配行为,从而揭示时间复杂度异常或对象泄漏等技术问题。该能力直接支撑高可用服务优化、模型推理加速及数据管道稳定性提升等关键工程目标。相比命令行工具提供原始数据、PyCharm带来高开销,VS Code凭借调试器与profiler原生融合,实现非侵入式实时采样、源码级火焰图下钻和跨进程追踪,尤其适配Rasa、FastAPI等复杂框架的线上诊断场景。本文以RulePolicy CPU飙高为例,完整呈现从启动配置、py-sp

weixin_30315905的博客 396

Python源码剖析-深度探索动态语言核心技术

Python源码剖析-深度探索动态语言核心技术内容简介Python 总体架构Python源代码的组织 内容简介 为了更好地利用python语言,无论是python本身还是和C/C++配合使用,深刻理解python的运行原理都是非常重要的,本文以CPython源码为研究对象,深入剖析Python的实现。主要包含: Python内置对象 Python虚拟机 Python高级特性 本文参考: Python源码剖析一书 学习建议:唯有亲身尝试,才能深解其中三昧。 在真实的源码和文章的描述相比较揣摩,动手捣鼓捣鼓

专注游戏研发 4222

Python help():被低估的源码级调试探针与元信息诊断工具

Python的help()函数远不止是基础文档查询工具,它是基于对象模型、文档协议和反射机制构建的运行时元信息聚合器。其底层调用inspect和pydoc模块,动态解析__doc__、__signature__、__annotations__等属性,支持穿透装饰器、推导类型提示、识别C扩展与纯Python模块差异。相比直接阅读CPython源码,help()以开发者友好的方式呈现语义契约与错误边界,成为定位len()报错、时区异常、签名不一致等高频问题的关键诊断入口。本文深入解析其三种输入形态、信息压缩机制

weixin_34262482的博客 432

《Python源码剖析》

1. Python内建对象 对象是数据以及基于这些数据的操作的集合,在Python中,对象就是为C中的结构体在堆上申请的一块内存。 在Python中,一个对象一旦被创建,它在内存中的大小就是不变的了,那些需要容纳可变长度数据的对象只能在对象内维护一个指向一块可变大小的内存区域的指针。 1.1.1 对象机制的基石 -- PyObject [object.h] typedef struct ...

420

Python randint() 深度解析:从源码、线程安全到生产避坑

randint() 是 Python 中最常用却最易被误解的随机数函数,其本质是基于梅森旋转算法(MT19937)的伪随机整数生成器封装。它通过 randrange 实现闭区间语义,依赖拒绝采样保障均匀性,并受种子管理、线程共享状态和类型协议(__index__)三重约束。在抽奖系统、蒙特卡洛模拟等场景中,错误使用会导致重复ID、结果不可重现或安全漏洞;而多线程/异步环境下的状态污染、浮点边界陷阱及性能瓶颈,正是高频线上故障根源。本文聚焦 randint() 的底层机制与工程实践,覆盖 C 源码逻辑、字节码

weixin_33733810的博客 518

Python range() 深度解析:从内存优化到7大高危陷阱

range() 是 Python 中最常被误用的基础内置类型之一,表面看是‘生成数字的简单工具’,实则是遵循左闭右开区间、惰性计算、不可变序列协议的数学引擎。其核心原理在于仅存储 start/stop/step 三参数,通过公式 start + i*step 实时生成值,实现 O(1) 内存占用与 O(1) in 判断——这使其在大数据遍历、分页索引、嵌入式坐标映射等场景具备不可替代的工程价值;但若混淆其与 list 的语义边界,强行用于动态列表修改、浮点序列生成、Unicode 字符遍历或异步迭代,将引发

long_yu2的专栏 373

【专题】python源码解读

文章目录准备工作Python整体结构源码目录Python对象Python内对象类型对象对象的创建类型的类型Python中的整数对象小整形对象大整数对象 准备工作 Python整体结构 python架构主要分为三部分 python文件 python解释器 scanner词法分析,将代码且分为一个个token parser词法分析建立AST compiler根据AST生成python字节码 code Evaluator(虚拟机)执行这些字节码 运行时环境 内建对象:list dict 内存分配器:和

qq_36581961的博客 3626

jQuery 版本怎么选?别一上来就用最新版,老项目里这个坑很常见

jQuery 是一个封装好的 JavaScript 函数库,简称 JQ它的核心理念是jQuery 有 1.x、2.x、3.x 三个主要版本系列2.0 以上版本不再支持 IE6、IE7、IE8版本选择不能只看“新不新”,而要看项目兼容性和实际需求.min.js是压缩版文件,生产环境常用使用 jQuery 前必须先通过<script>正确引入基本就是没引入或引入失败可以快速绑定点击事件.animate()可以快速实现动画效果,但定位属性要设置好。

Web安全工具库 405

Python GIL及其釋放/獲取函數

Python默認使用CPython解釋器,當中會引入GIL,在CPython解釋器中,GIL(全局解釋器鎖)是一個互斥鎖,用於保護Python物件,避免它們在多線程執行被同時存取。多線程程式花了很多時間在GIL裡,解釋CPython bytecode,這時候GIL的存在便使得多線程程式無法充份利用多核系統。還好pybind11有提供釋放GIL的機制,pybind11提供了釋放和重新獲取GIL的API,即gil_scoped_release和gil_scoped_acquire這兩個類別,可以利用這兩個API

keineahnung2345的博客 1455

从零开始:用RFSOC XCZU47DR搭建软件无线电开发环境(2023最新版)

本文详细介绍了如何使用Xilinx RFSoC XCZU47DR搭建高性能软件无线电(SDR)开发环境,涵盖硬件选型、开发环境配置、射频子系统校准及实战应用开发。特别针对2023年最新技术需求,提供从基础配置到高级优化的完整指南,助力科研人员和工程师快速掌握RFSoC开发技术。

weixin_42525005的博客 517

【UE5】映射方式:动作映射(Action Mappings) 与 轴映射(Axis Mappings)

链接:https://pan.baidu.com/s/1nQHvZXC4BDsfbFWDYZqEfA?按下键盘A键,不要抬起,屏幕左上角打印了一次。(和Unity中的轴映射机制类似)下面我们通过测试更直观的了解一下这。抬起键盘A键,屏幕左上角打印了一次。项目资源文末百度网盘自取。再添加一个按键,选择键盘。键,缩放值设置为 2.0。,框选所有测试节点,按下。的情况下,屏幕一直打印。

weixin_64072619的博客 3513

C++调用PythonAPI线程状态和全局解释器锁

http://hi.baidu.com/zhouhanqing/blog/item/1b3cd983f0f468b76d8119fc.htmlPython 解释器不是完全线程安全的。当前线程想要安全访问 Python 对象的前提是获取用以支持多线程安全的全局锁。没有锁,甚至多线程程序中最简单的操作都会发生问题。例如,两个线程同时增加一个对象的引用计数,该引用计数可能只增加了一次而非两次。因

杨德龙的专栏 4610

HyperLynx(十三)Hyperlynx前放置之对网络的EMC分析

在“Spectrum Analyzer”对话框的“Stimulus”(激励)栏中,设置激励源频率为100MHz,选择“IC modeling”为“Fast-Strong”,并按图所示设置其他选项。显然,在仿真的基频上,它的幅值最大,将鼠标光标置于柱状图上,可以读取其值为64.28mA,这个数值是由选定的驱动芯片决定的。按上图所示的原理图,在接收端增加一个并联的RC负载,再次运行仿真,结果如图所示。在对话框左侧的“Pins”列表中,显示出了已添加电流探针的引脚,可以在此列表中选择所要仿真的目标。...

小幽余生不加糖 4681

Python源码剖析[5] —— 整数对象(3)

[绝对原创 转载请注明出处]Python源码剖析——整数对象PyIntObject(3)本文作者: Robert Chen (search.pythoner@gmail.com) 3         Hack PyIntObject现在,让我们荡起双桨,哦不对,让我们挽起衣袖和裤脚J,来和PyIntObject大战一场。我们渴望在运行时观察Python的整数对象体系的变化。这一点,完全可以通过修改

Dynamic Life 2577

直方图均衡化原理及matlab和opencv实现代码

详细分析了直方图均衡化的数学原理,配有matlab和opencv实现代码

qq_21603315的博客 4779

ARM与PC共享文件方式【samba】移植与配置

方式推荐指数适用平台优点缺点⭐⭐⭐⭐⭐全平台 (Win/Mac/Linux)兼容性最强,操作像本地文件配置稍繁琐,协议开销略大NFS⭐⭐⭐⭐Linux/Mac (Win支持一般)速度极快,CPU占用低Windows配置复杂,权限管理较难SFTP (SSH)⭐⭐⭐⭐全平台 (需客户端)安全加密,无需额外配置服务需使用FileZilla/Xftp等专用软件物理U盘⭐⭐⭐全平台无需网络,速度取决于接口需要人工插拔,不适合自动化Syncthing⭐⭐⭐⭐全平台自动同步,支持远程。

浩瀚之水的专栏 263

Python中List与Tuple的本质区别与工程选型指南

List和Tuple是Python最基础的序列类型,但二者在内存布局、可变性契约与运行时行为上存在根本差异。List基于动态数组实现,支持原地增删改,适用于栈、队列及中间计算;Tuple则是固定大小结构体,不可变且可哈希,天然适配缓存键、配置元组、函数解包等场景。其性能差异源于字节码层面:BUILD_TUPLE近乎零开销,而BUILD_LIST需多次扩容与引用管理。在电商秒杀、金融风控、IoT采集等高并发系统中,错误选用list替代tuple会导致CPU升高、内存泄漏及哈希失效。本文结合CPython源码逻

531

霍尼韦尔SoftMaster使用说明

霍尼韦尔SoftMaster使用说明

Python数据结构实战:从源码到生产级调优

数据结构是程序性能的底层基石,其选择与使用直接影响内存占用、CPU缓存效率、GC压力与并发稳定性。理解动态数组扩容律、哈希表开放寻址机制、堆的惰性删除等原理,才能突破‘理论复杂度’陷阱,在真实业务中规避列表扩容抖动、字典内存膨胀、heapq无法删任意元素等高频问题。本文聚焦Python内置结构(list/dict/heapq)在千万级QPS、实时秒杀、日志聚合等典型场景中的行为差异与调优路径,结合CPython源码剖析、压测数据对比和线上救火案例,揭示从`my_list = []`执行那一刻起,解释器内部发

weixin_30697239的博客 408

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

贝叶斯统计 [韦来生编]

贝叶斯(Bayes)统计是近几十年来迅速发展起来的数理统计的一个重要分支。贝叶斯方法与经典统计方法的主要不同之处是进行统计推断时除了利用样本信息外,还要利用参数的先验信息,因此可以提高统计推断或统计决策的效果。它在经济、金融、生物、医学、自然科学和社会科学等许多领域具有广泛的应用。贝叶斯方法的研究已渗透到了统计学的几乎所有领域。作者在给中国科学技术大学概率论与数理统计专业本科生开设的“数理统计”课程中有一章专门讲授“贝叶斯方法和统计决策理论”,近十年来也给中国科学技术大学概率统计专业研究生开设过几次“贝叶斯分析”课。本书是在对过去讲稿的内容作了适当的增减和调整的基础上完成的。  本书共分六章。第1章是绪论,介绍了贝叶斯统计的若干基本概念,同时对必要的数理统计的基础知识有重点地作了回顾。第二章介绍了确定先验分布的若干可供选择的方法。第三章介绍了几类常见统计模型参数的后验分布的主要结果和计算方法。第四章和第五章分别介绍了“贝叶斯统计推断”和“贝叶斯统计决策”的内容。第六章介绍了贝叶斯统计计算的若干方法,包括蒙特卡洛方法和马尔可夫链蒙特卡洛(MCMC)方法以及相关统计软件的简介。本书的每一章附右大量的例题和习题,书末附有常用的几个表格和部分习题解答供读者查用。  大约可在54学时内讲授本书的第1章至第六章的主要内容,教师可根据学时需要选讲本书第1章至第六章的部分内容。书中标“*”号的章节可略去不讲,留给读者作为阅读材料。第六章例题中的R代码和部分例题的数据文件等可从作者个人主页下载。  作者在编写本书的过程中参考了J.O.Berger教授的《统计决策论及贝叶斯分析》和茆诗松教授编写的《贝叶斯统计》等书中的一些内容,以及《贝叶斯分析》一书中由张伟平博士编写的有关贝叶斯统计计算的一些内容。在此表示衷心感谢。  本书编写准备过程中,中国科学技术大学统计与金融系的几个研究生帮助完成了本书部分中文的录入和排版,作者对他们的辛勤工作表示真诚的感谢。高等教育出版社为本书的出版给予了大力支持。在此一并致谢。

Python调试核心技能:掌握pdb交互式调试器的实战指南

pdb是Python内置的交互式调试器,基于Python运行时底层机制,提供对程序执行流的精细控制。其原理在于中断解释器、接管输入输出,构建与当前作用域完全共享的调试环境。相比print调试的快照式、侵入式和单向性缺陷,pdb以实时性、无痕性和交互性实现质的飞跃,显著提升问题定位效率。技术价值体现在服务器运维、容器调试、异常溯源及单元测试集成等关键工程场景。本文聚焦pdb的四种主流接入方式(breakpoint插入、命令行启动、post_mortem事后分析、unittest集成)与六大核心命令(n/s/c

415

Data-Structures-and-Algorithm-Analysis-in-Java.pdf

作者: Weiss, Mark A. 出版社: Addison Wesley Data Structures and Algorithm Analysis in Java is an “advanced algorithms” book that fits between traditional CS2 and Algorithms Analysis courses. In the old ACM Curriculum Guidelines, this course was known as CS7. This text is for readers who want to learn good programming and algorithm analysis skills simultaneously so that they can develop such programs with the maximum amo...

Python四大内置数据结构:list、tuple、dict、set的底层原理与工程实践

Python的list、tuple、dict、set并非语法糖,而是基于内存模型、哈希算法与可变性约束构建的核心容器。它们分别对应动态数组、不可变序列、紧凑哈希表和键值复用集合,在CPU缓存友好性、时间复杂度(如O(1)查找)和并发安全性上存在本质差异。理解其C层实现(如CPython中dict的开放寻址、set对dict的复用)能显著提升性能敏感场景的选型能力,广泛应用于日志解析、UV/PV统计、漏斗分析及缓存设计等真实工程任务。

cishan3804的博客 406

手写数组长度计算:从Python底层理解len()的本质

数组长度是编程中最基础的数据属性之一,其本质是序列元素的计数结果,依赖于数据结构的连续性、索引边界与迭代终止机制。在Python中,len()函数通过对象头的ob_size字段实现O(1)时间复杂度,但该黑盒行为掩盖了内存布局、异常处理和类型契约等底层原理。当面对MicroPython嵌入式环境、自定义容器类或零基础教学场景时,必须回归手动计数逻辑——如索引递增法捕获IndexError、迭代器消耗法应对生成器、递归分解法揭示分治思想。这些方案不仅体现Coding能力,更承载着对数据结构、时间空间复杂度及工

weixin_33889245的博客 441

Python List底层原理与高危操作避坑指南

List是Python最常用但极易误用的内置数据结构,其本质是基于CPython实现的动态数组,具有可变性、引用传递和超额容量等核心特性。理解其O(1)随机访问与O(n)插入删除的权衡、浅拷贝陷阱、线程非安全性及内存重分配机制,对避免线上数据异常、性能毛刺和静默bug至关重要。在Web后端、数据处理和并发编程等高频场景中,合理选用list.copy()、deque、set或切片赋值等替代方案,能显著提升代码健壮性与执行效率。本文聚焦真实工程问题,解析list.append、remove、索引越界及遍历修改等

weixin_30613433的博客 409

Python中List与Tuple的本质区别:语义契约与性能权衡

在Python中,List和Tuple不仅是语法形式的差异,更是两种根本不同的数据建模范式。List代表可变的同质集合,适用于动态增删的场景;Tuple则体现不可变的异构结构体,承载语义完整性和哈希安全性。其底层内存布局差异(指针数组 vs 连续元素块)直接决定了创建性能、内存占用与不可变性根源。这种设计使Tuple天然适配缓存键、配置元组、RPC参数等强调安全与效率的工程场景,而List更适用于需频繁修改的数据流。理解二者在语义契约、内存模型与哈希行为上的分野,是写出健壮、可维护、高性能Python代码的

weixin_34032621的博客 360

Python集合pop()方法原理详解:哈希表实现与随机性本质

哈希表是计算机科学中一种基础且高效的数据结构,它通过哈希函数将键映射到存储位置,实现平均O(1)时间复杂度的数据访问。其核心原理包括哈希值计算、冲突解决(如开放定址法)和动态扩容机制。在Python中,集合(set)正是基于哈希表实现的哈希集合,这赋予了它快速成员检测和去重的技术价值。在实际开发中,哈希集合常用于处理无序唯一数据、图算法节点管理和数据去重等场景。本文聚焦于Python集合的pop()方法,其看似“随机”移除元素的行为,实则由哈希表的内部存储结构决定——方法会线性扫描哈希桶并移除首个遇到的元素

weixin_33991418的博客 431
上一篇: 《Python源码剖析》笔记ShowCharacter()
下一篇: 《Python源码剖析》笔记insertdict()
波波子
博客等级 码龄7年 18粉丝 31原创
评论 8
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值