2022 年最流行的 6 款 Python 解释器

Python 是最流行的编程语言之一，
它需要解释器来执行 Python 代码定义的指令。
与直接编译成机器代码的其他语言相比，
由解释器负责读取 Python 代码并将其指令转换为 CPU 执行相关操作。
本文将与大家共同探讨2022 年最流行的 6 款 Python 解释器。

在谈论 Python 解释器时，
通常指 /usr/bin/python 二进制文件，
可以执行 .py 文件。
然而，解释器只是一项任务。
在 CPU 上真正执行一行 Python 代码之前，
涉及到以下四个步骤：

• Lexing：将人造源代码转换为一系列逻辑实体，
  即所谓的词法标记。
• 解析：在解析器中，检查词法标记的语法和语法，
  解析器的输出是抽象语法树 (AST)。
• 编译：基于 AST，编译器创建 Python 字节码，
  字节码由非常基本的、独立于平台的指令组成。
• 解释：解释器获取字节码并执行指定的操作。

如上述所见，在采取任何实际行动之前需要执行很多步骤，
因此仔细研究不同的解释器十分有意义。

1. CPython

CPython 是 Python 的参考实现，
也是许多系统的默认实现。
顾名思义，CPython 是用 C 编写的。
可以用 C 编写扩展，
从而使基于 C 的 widley 库代码对 Python 可用。
CPython 可用于多种平台，
包括 ARM、iOS 和 RISC。
然而，作为该语言的参考实现，CPython
经过了仔细优化，
并不注重速度。

2. Pyston

Pyston 是 CPython 解释器的一个分支，
它实现了性能优化。
该项目将自己描述为标准 CPython 解释器的替代品，
用于大型、真实世界的应用程序，
加速潜力高达30%。
由于缺乏兼容的二进制程序包，
Pyston 程序包必须在下载过程中重新编译。

3. PyPy

PyPy 是一个针对 Python 的实时(JIT)编译器，
用 RPython 编写。
RPython 是 Python 的一个静态类型化子集。
与 CPython 解释器不同，
PyPy 编译成可由 CPU 直接执行的机器码。
PyPy 是 Python 开发人员的天地，
可在其更轻松地试验一些新功能。

与 CPython相比，PyPy 的实现更快。
由于 JIT 编译器的性质，
只有运行了很长时间的应用程序才能从缓存中受益。
PyPy 可以作为 CPython 的替代品。
不过，这也有一个缺点。
C 扩展模块大多受支持，
但它们的运行速度比 Python 模块慢。
PyPy 扩展模块是用 Python (而不是 C)编写的，
因此 JIT 编译器能够对它们进行优化。
只要应用程序不依赖于不兼容的模块，
PyPy 就是 CPython 的绝佳替代品。
在项目网站上有一个专门的页面，
详细描述了CPython的区别，
更多详情请参阅：PyPy和CPython之间的区别。

4. RustPython

顾名思义，RustPython 是一种用 Rust 编写的 Python 解释器。
尽管 Rust 编程语言很新，
但它已经越来越受欢迎，
是 C 和 C++ 的继任者。
默认情况下，RustPython 的行为类似于 CPython 的解释器，
还有一个 JIT 编译器，
可以选择启用该编译器。
另一个很好的特性是，
Rust 工具链允许直接编译为 WebAssembly，
允许完全在浏览器中运行解释器，
可在 rustpython.githorb.com/demo 上找到它的演示。

5. Stackless Python

Stackless Python 将自己描述为 Python 编程语言的增强版本。
该项目基本上是 CPython 解释器的一个分支，
它为语言添加了微线程、通道和调度器。
微线程允许将代码组织到微线程中，
从而可以并行运行代码。
这种方法类似于使用 greenlet 模块的绿色通道。
通道可用于微线程之间的双向通信。
Stackless Python 的一个著名用户是 MMORPG Eve Online。

6. Micro Python

如果以微控制器为目标，
那么 MicroPython 是您的令一种选择。
这是一个精简的实现，
只需要 16kB 的 RAM 和 256kB 的空间。
由于它所针对的嵌入式环境，
MicroPython 的标准库只是 CPython 扩展 STL 的一个子集。
无论是为了开发和测试，
还是作为一个轻量级的替代方案，
MicroPython 也可以在普通的 x86 和 x64 机器上运行。
MicroPython 可用于 Linux、Windows 以及许多微控制器。

从设计上来说，Python 是一种固有的慢语言。
根据任务的不同，
解释器之间的表现存在显著差异。
如想了解哪种解释器是某项任务的最佳选择，
请参阅 pybenchmarks.org 。
使用解释器的另一种选择是将 Python 二进制代码直接编译为机器代码。
例如，Nuitka 就是这样一个项目，
它可以将 Python 代码编译成 C 代码，
并将 C 代码编译成机器代码，
再使用普通 C 编译器将 C 代码编译为机器代码。

总结

对于快速原型化和任务自动化来说，
Python 是一种很棒的语言。
此外，它很容易学习，非常适合初学者。
如果您通常使用 CPython，
那么看看您的代码在另一个解释器上的行为可能会很有趣。
如果您使用 Fedora，
可以很容易地测试其他一些解释器，
因为管理器已经提供了正确的二进制文件。
有关更多信息，请访问 fedora.developer.org。