Python .pyc 字节码检查器

使用方法

1. 把 __pycache__ 目录里的 .pyc 拖进来，文件名通常形如 module.cpython-311.pyc。
2. 先看“写入版本”：那是编译该文件的 CPython 版本，魔数不同的解释器会忽略这份缓存并重新从源码编译。
3. 确认失效方式。时间戳方式记录源文件的修改时间和大小；哈希方式记录源码哈希，其中“不校验”那一种此后再也不会与源码比对。
4. 在树里挑一个代码对象。最上面是模块，函数、类体、lambda 以及（3.12 之前的）推导式各自挂在定义它们的对象下面。
5. 阅读所选对象的反汇编：解析结果一列会把索引换成名称、局部变量和常量，>> 表示有跳转落在该指令上。

常见问题

我改了源码，Python 却还在跑旧代码，为什么？

时间戳方式的 .pyc 以秒为精度记录源文件的修改时间，并以字节记录大小，只要两者仍然吻合，CPython 就会重用缓存。有两种情况会击穿它。如果一次修改恰好落在记录时间的同一秒内，而且文件长度没变（比如在生成的文件里改动一个字符），看上去毫无差别，于是旧缓存被继续使用。另外，用保留时间戳的工具还原文件，或切换到会把时间往回拨的分支，都可能留下一个比源码还“新”、却已经对不上的 .pyc。删除 __pycache__ 目录可以解决这两种情况；用 -B 选项或 PYTHONDONTWRITEBYTECODE 则可以让这些文件根本不被写出。

哈希方式里“校验”和“不校验”有什么区别？

PEP 552 用源码的八字节哈希取代时间戳，使构建不再依赖文件修改时间：同样的源码在任何机器上都会产生逐字节相同的 .pyc，这正是可复现构建所需要的。标志字的第 1 位决定行为：校验意味着解释器每次导入都对源码求哈希，不同就重新编译；不校验意味着它根本不看源码。后者适用于由 Python 之外的机制保证新鲜度的场合，例如一次性构建出来的容器镜像；在别处它就是个陷阱，因为在手工重新生成之前，改源码不会产生任何效果。

能从 .pyc 还原出原始源码吗？

用这个工具不行，用任何工具也无法完全还原。编译器保留了运行所需的一切：每个名称、每个常量、文档字符串、参数名，以及每个函数的起始行号，所以 .pyc 泄露的信息远比人们以为的多，绝不能当作混淆手段。它不保留的是文本本身：注释、空行、排版以及表达式的确切形态都没了。uncompyle6、decompyle3 之类的反编译器能从指令流里重建出貌似合理的源码，但它们落后语言好几年，大致停在 3.9 附近，因为新编译器重排控制流的方式已经无法一一对应地还原。

同样的源码，为什么在两个 Python 版本上字节码完全不同？

因为指令集是 CPython 可以随意改写的实现细节。3.11 引入了内联缓存——指令流里真实存在、归属于前一条指令的字节，并把栈帧处理挪到 RESUME、MAKE_CELL 等新操作码上。3.12 把列表和集合推导式内联，于是它们不再是独立的代码对象。3.13 又几乎重排了全部编号。魔数存在的意义正在于此：一个 .pyc 只对写出它的那个版本有效，其他解释器会当它不存在。

偏移为什么一次跳超过 2？EXTENDED_ARG 又是什么？

每条指令固定两个字节，一个操作码一个参数字节，所以大于 255 的参数要靠前面一条或多条 EXTENDED_ARG 指令拼出来，每条再补八位。这里和 dis 一样把它们折叠进后一条指令，因此你会在同一行看到数千的参数。从 3.11 起，指令流里还有归属于前一条指令、运行时保存特化状态的内联缓存槽；这里跳过而不列出，所以偏移一次会前进超过 2。在磁盘上的 .pyc 里这些槽永远是零：特化只发生在内存中，加速后的操作码不会被写进文件。

单元变量和自由变量是什么？为什么同一个名字出现在两个列表里？

闭包需要变量活得比创建它的栈帧更久，于是编译器把它放进一个单元里：定义它的函数把这个名字列在单元变量中，每个读取它的嵌套函数则把同一个名字列在自由变量中。从 3.11 起两者合在同一个数组里，每项带一个种类字节，所以被嵌套函数捕获的参数会同时出现在局部名称和单元变量里——它确实两者都是，而该函数会以一条把参数搬进单元的 MAKE_CELL 指令开头。

相关工具