Python Ast介紹及應用
Abstract Syntax Trees即抽象語法樹。Ast是python原始碼到位元組碼的一種中間產物,藉助ast模組可以從語法樹的角度分析原始碼結構。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原始碼。因此ast給python原始碼檢查、語法分析、修改程式碼以及程式碼除錯等留下了足夠的發揮空間。
1. AST簡介
Python官方提供的CPython直譯器對python原始碼的處理過程如下:
- 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程式碼的處理過程如下:
原始碼解析 --> 語法樹 --> 抽象語法樹(AST) --> 控制流程圖 --> 位元組碼
上述過程在python2.5之後被應用。python原始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原始碼檔案中的python的語法結構。
大部分時間程式設計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例項。
Module(body=[ Print( dest=None, values=[BinOp( left=Num(n=1),op=Add(),right=Num(n=2))], nl=True, )])
2. 建立AST
2.1 Compile函式
先簡單瞭解一下compile函式。
compile(source, filename, mode[, flags[, dont_inherit]])
- source -- 字串或者AST(Abstract Syntax Trees)物件。一般可將整個py檔案內容file.read()傳入。
- filename -- 程式碼檔名稱,如果不是從檔案讀取程式碼則傳遞一些可辨認的值。
- mode -- 指定編譯程式碼的種類。可以指定為 exec, eval, single。
- flags -- 變數作用域,區域性名稱空間,如果被提供,可以是任何對映物件。
- flags和dont_inherit是用來控制編譯原始碼時的標誌。
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編譯得到位元組碼,cm即code物件,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) ])
除了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反向匯出python source程式碼。
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) }View Code
上面是部分摘自官網的 Abstract Grammar,實際遍歷ast Node過程中根據Node的型別訪問其屬性。
3. 遍歷AST
python提供了兩種方式來遍歷整個抽象語法樹。
3.1 ast.NodeTransfer
將func_def中的add函式中的加法運算改為減法,同時為函式實現新增呼叫日誌。
1 class CodeVisitor(ast.NodeVisitor): 2 def visit_BinOp(self, node): 3 if isinstance(node.op, ast.Add): 4 node.op = ast.Sub() 5 self.generic_visit(node) 6 7 def visit_FunctionDef(self, node): 8 print 'Function Name:%s'% node.name 9 self.generic_visit(node) 10 func_log_stmt = ast.Print( 11 dest = None, 12 values = [ast.Str(s = 'calling func: %s' % node.name, lineno = 0, col_offset = 0)], 13 nl = True, 14 lineno = 0, 15 col_offset = 0, 16 ) 17 node.body.insert(0, func_log_stmt) 18 19 r_node = ast.parse(func_def) 20 visitor = CodeVisitor() 21 visitor.visit(r_node) 22 # print astunparse.dump(r_node) 23 print astunparse.unparse(r_node) 24 exec compile(r_node, '<string>', 'exec')
執行結果:
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.NodeTransfer
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了,那麼我們就徹底一點,把函式名和引數以及被呼叫的函式都在ast中改掉,並且將新增的函式呼叫log寫的更加複雜一些,爭取改的面目全非:-)
1 class CodeTransformer(ast.NodeTransformer): 2 def visit_BinOp(self, node): 3 if isinstance(node.op, ast.Add): 4 node.op = ast.Sub() 5 self.generic_visit(node) 6 return node 7 8 def visit_FunctionDef(self, node): 9 self.generic_visit(node) 10 if node.name == 'add': 11 node.name = 'sub' 12 args_num = len(node.args.args) 13 args = tuple([arg.id for arg in node.args.args]) 14 func_log_stmt = ''.join(["print 'calling func: %s', " % node.name, "'args:'", ", %s" * args_num % args]) 15 node.body.insert(0, ast.parse(func_log_stmt)) 16 return node 17 18 def visit_Name(self, node): 19 replace = {'add': 'sub', 'x': 'a', 'y': 'b'} 20 re_id = replace.get(node.id, None) 21 node.id = re_id or node.id
22 self.generic_visit(node) 23 return node 24 25 r_node = ast.parse(func_def) 26 transformer = CodeTransformer() 27 r_node = transformer.visit(r_node) 28 # print astunparse.dump(r_node) 29 source = astunparse.unparse(r_node) 30 print source 31 # exec compile(r_node, '<string>', 'exec') # 新加入的node func_log_stmt 缺少lineno和col_offset屬性 32 exec compile(source, '<string>', 'exec') 33 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
程式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模組實際程式設計中很少用到,但是作為一種原始碼輔助檢查手段是非常有意義的;語法檢查,除錯錯誤,特殊欄位檢測等。
上面通過為函式新增呼叫日誌的資訊是一種除錯python原始碼的一種方式,不過實際中我們是通過parse整個python檔案的方式遍歷修改原始碼。
4.1 漢字檢測
下面是中日韓字元的unicode編碼範圍
CJK Unified Ideographs
- Range: 4E00— 9FFF
- Number of characters: 20992
- Languages: chinese, japanese, korean, vietnamese
使用 unicode 範圍 \u4e00 - \u9fff 來判別漢字,注意這個範圍並不包含中文字元(e.g. u';' == u'\uff1b') .
下面是一個判斷字串中是否包含中文字元的一個類CNCheckHelper:
1 class CNCheckHelper(object): 2 # 待檢測文字可能的編碼方式列表 3 VALID_ENCODING = ('utf-8', 'gbk') 4 5 def _get_unicode_imp(self, value, idx = 0): 6 if idx < len(self.VALID_ENCODING): 7 try: 8 return value.decode(self.VALID_ENCODING[idx]) 9 except: 10 return self._get_unicode_imp(value, idx + 1) 11 12 def _get_unicode(self, from_str): 13 if isinstance(from_str, unicode): 14 return None 15 return self._get_unicode_imp(from_str) 16 17 def is_any_chinese(self, check_str, is_strict = True): 18 unicode_str = self._get_unicode(check_str) 19 if unicode_str: 20 c_func = any if is_strict else all 21 return c_func(u'\u4e00' <= char <= u'\u9fff' for char in unicode_str) 22 return False
介面is_any_chinese有兩種判斷模式,嚴格檢測只要包含中文字串就可以檢查出,非嚴格必須全部包含中文。
下面我們利用ast來遍歷原始檔的抽象語法樹,並檢測其中字串是否包含中文字元。
1 class CodeCheck(ast.NodeVisitor): 2 3 def __init__(self): 4 self.cn_checker = CNCheckHelper() 5 6 def visit_Str(self, node): 7 self.generic_visit(node) 8 # if node.s and any(u'\u4e00' <= char <= u'\u9fff' for char in node.s.decode('utf-8')): 9 if self.cn_checker.is_any_chinese(node.s, True): 10 print 'line no: %d, column offset: %d, CN_Str: %s' % (node.lineno, node.col_offset, node.s) 11 12 project_dir = './your_project/script' 13 for root, dirs, files in os.walk(project_dir): 14 print root, dirs, files 15 py_files = filter(lambda file: file.endswith('.py'), files) 16 checker = CodeCheck() 17 for file in py_files: 18 file_path = os.path.join(root, file) 19 print 'Checking: %s' % file_path 20 with open(file_path, 'r') as f: 21 root_node = ast.parse(f.read()) 22 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直譯器執行原始碼的過程可以參考官網描述:PEP 339
4.2 Closure 檢查
一個函式中定義的函式或者lambda中引用了父函式中的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藉助ast來檢測lambda中閉包的引用。程式碼如下:
1 class LambdaCheck(ast.NodeVisitor): 2 3 def __init__(self): 4 self.illegal_args_list = [] 5 self._cur_file = None 6 self._cur_lambda_args = [] 7 8 def set_cur_file(self, cur_file): 9 assert os.path.isfile(cur_file), cur_file 10 self._cur_file = os.path.realpath(cur_file) 11 12 def visit_Lambda(self, node): 13 """ 14 lambda 閉包檢查原則: 15 只需檢測lambda expr body中args是否引用了lambda args list之外的引數 16 """ 17 self._cur_lambda_args =[a.id for a in node.args.args] 18 print astunparse.unparse(node) 19 # print astunparse.dump(node) 20 self.get_lambda_body_args(node.body) 21 self.generic_visit(node) 22 23 def record_args(self, name_node): 24 if isinstance(name_node, ast.Name) and name_node.id not in self._cur_lambda_args: 25 self.illegal_args_list.append((self._cur_file, 'line no:%s' % name_node.lineno, 'var:%s' % name_node.id)) 26 27 def _is_args(self, node): 28 if isinstance(node, ast.Name): 29 self.record_args(node) 30 return True 31 if isinstance(node, ast.Call): 32 map(self.record_args, node.args) 33 return True 34 return False 35 36 def get_lambda_body_args(self, node): 37 if self._is_args(node): return 38 # for cnode in ast.walk(node): 39 for cnode in ast.iter_child_nodes(node): 40 if not self._is_args(cnode): 41 self.get_lambda_body_args(cnode)
遍歷工程檔案:
1 project_dir = './your project/script' 2 for root, dirs, files in os.walk(project_dir): 3 py_files = filter(lambda file: file.endswith('.py'), files) 4 checker = LambdaCheck() 5 for file in py_files: 6 file_path = os.path.join(root, file) 7 checker.set_cur_file(file_path) 8 with open(file_path, 'r') as f: 9 root_node = ast.parse(f.read()) 10 checker.visit(root_node) 11 res = '\n'.join([' ## '.join(info) for info in checker.illegal_args_list]) 12 print resView Code
由於Lambda(arguments args, expr body)中的body expression可能非常複雜,上面的例子中僅僅處理了比較簡單的body expr。可根據自己工程特點修改和擴充套件檢查規則。為了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。