Python语言自带垃圾回收机制，为了能够比较清楚说明白Python的垃圾回收机制的原理，我们今天就从最底层的解释器开始，采用由内到外的方式来说明。

1.Python默认解释器CPython

Python语言拥有多种解释器，但是默认采用CPython实现。CPython实际上是用C语言编写的。主要功能如下：

编译python代码为字节码(bytecode)

在虚拟机上面运行编译好的python程序

CPython是用C语言编写的，而C语言本身并不支持面向对象编程。正因为如此，在CPython代码中有很多很有意思的设计，来实现这些原本不支持的的功能。：如PyObject。

PyObject是Python中所有对象的鼻祖，它只包含两种东西:

ob_refcnt: 引用计数

ob_type: 指向另一种类型的指针

ob_refcnt引用计数用于接下来要说明的垃圾收集。

2.垃圾回收机制

2.1 垃圾回收简单说明

Python中的垃圾回收回收机制采用引用计数的策略来实现，当一个对象的ob_refcnt大于0，说明存在引用，此时改对象不会进行垃圾回收。当一个对象 的ob_refcnt的引用数目等于0的时候，说明该对象没有任何引用，说明是一个闲置废弃的对象，会进入垃圾回收的阶段。

Python允许您使用sys模块检查对象的当前引用计数。可以使用sys.getrefcount(numbers)，但是要记住，将对象传递给getrefcount()会使引用计数增加1。

下面我们几段代码来演示一下：

2.2 引用计数入门示例

import sys

a1 = [1, 2, 3]

print(sys.getrefcount(a1))

运行结果：

2

程序运行说明：

首先第一次赋值操作，很容易理解变量a1指向的对象[1,2,3]的引用次数为1，然后在调用sys.getrefcount(a1)的时候，会把形参认为是一个局部变量a1，不是全局变量a1，但是对应的值是一样的，所以这个时候会增加一个引用次数，变成2。

2.3 赋值增加引用计数

import sys

a1 = [1, 2, 3]

print(id(a1))

print(sys.getrefcount(a1))

a2 = a1

print(sys.getrefcount(a1))

print(sys.getrefcount(a1))

print("--" * 20)

a3 = [1, 2, 3]

print(id(a3))

print(sys.getrefcount(a3))

运行结果：

4726471808

2

3

3

----------------------------------------

4726471888

2

程序说明： 第一部分和上面的例子是一样的，但是增加一个id(a1)的方法，会打印出a1的内存地址。当执行a2 = a1的时候，增加了一个引用。sys.getrefcount(a1)是同一个，所以两次执行也不会增加引用。虽然a1和a3对应的值是相同的，但是id值不一样，相当是一个新的，所以计算计算引用从1开始计算，增加sys.getrefcount(a1)里面的一个，最后结果为2。

2.4 对象包含在其他数据结构中会增加引用次数

import sys

a1 = [1, 2, 3]

print(sys.getrefcount(a1))

a2 = [a1]

print(sys.getrefcount(a1))

a3 = (a1, )

print(sys.getrefcount(a1))

a4 = {"key1": a1}

print(sys.getrefcount(a1))

运行结果：

2

3

4

5

程序运行说明: 这部分是可以正常理解的。

但是当数据变化的时候，下面的例子，我找了资料也没有具体说清楚：

import sys

a1 = 1

print(sys.getrefcount(a1))

a2 = [a1]

print(sys.getrefcount(a1))

a3 = (a1, )

print(sys.getrefcount(a1))

a4 = {"key1": a1}

print(sys.getrefcount(a1))

运行结果:

4378

4379

4380

4381

程序说明： 这部分的原因是由于Python中对象缓存造成的，对于一些数值较小的对象，会经常使用到，对这一部分对象存在内部的缓存机制。也就是会存在多个引用，具体多少数值，和运行平台、解释器、数值取值大小都有都有印象。 下面通过两段简单代码来说明： 第一段： Python命令行执行

>>> a1=1

>>> id(a1)

140732194454592

>>> a2=1

>>> id(a2)

140732194454592

>>>

>>> b1=257

>>> id(b1)

1878299222992

>>> b2=257

>>> id(b2)

1878301364976

第二段: Pycharm中保存文件执行

a1 = 1

a2 = 1

print(id(a1))

print(id(a2))

​

b1 = 257

b2 = 257

print(id(b1))

print(id(b2))

​

b1 = 99999999999999999999999999999999999999999999999

b2 = 99999999999999999999999999999999999999999999999

print(id(b1))

print(id(b2))

运行结果：

140732194454592

140732194454592

2195360849840

2195360849840

2195386463936

2195386463936

通过两组程序我们发现，虽然Python存在对象的缓存机制，但是对于不同的运行环境中，存在一定的差异。在命令行中，以整数为例：[-5, 256]这个区间的范围会被缓存，但是在文件中，无论多大数值都会被缓存。

3.析构方法

3.1 析构方法说明

__del__方法称为"析构方法"，用于实现对象被销毁时所需要的操作。比如：释放对象占用的资源。使用场景：

打开的文件资源

网络连接

数据库操作

。。。

Python实现自动的垃圾回收，当对象没有被引用时(引用计数为0)，由垃圾回收器调用__del__方法。

我们也可以使用del语句手动删除对象，从而保证调用__del__方法。

系统会自动提供__del__方法，一般不需要自定义析构方法。

3.2 代码示例

代码：

class Person:

def __init__(self, name):

self.name = name

def __del__(self):

print("销毁对象:{0}".format(self.name))

p1 = Person("p1")

p2 = Person("p2")

# 使用del方法主动销毁对象p2

del p2

print("程序结束")

运行结果：

销毁对象:p2

程序结束

销毁对象:p1

代码说明:

因为手动调用del方法注销p2对象，本质上还是调用对象p2本身的注销机制，在注销之前会调用自身的__del__()方法，所以第一行输出销毁对象:p2.

程序代码运行结束，执行打印语句，所以第二行显示：程序结束

python的垃圾回收器，对程序进行处理，发现对象p1目前仍占用内存，没有被清除。启动垃圾回收机制，类似步骤一，所以第三行输出: 销毁对象:p1

备注：

更多精彩博客，请访问:聂发俊的技术博客

对应视频教程，请访问:python400

完整markdown笔记，请访问: python400_learn_github