最流行的 6 款 Python 解释器

有人说：一个人从1岁活到80岁很平凡，但如果从80岁倒着活，那么一半以上的人都可能不凡。

生活没有捷径，我们踩过的坑都成为了生活的经验，这些经验越早知道，你要走的弯路就会越少。

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。

这些程序员职场“潜规则”，让你少走5年弯路_【官方推荐】唐城的博客-CSDN博客

一边赶路，一边寻找出路，希望大家在每个幸福的日子里，都能快乐前行。