为什么 Cpython 是 C 写的，而不是 Python

CPython 中的 C 是指 C 语言，意味着这个 Python 默认发行版是用 C 语言编写的。其实，CPython 的编译器是用纯 C 语言编写的，或者是 C 和 Python 的组合。那我们不经要问：

为什么 Cpython 不是用其他语言

我们首先要知道，高级语言都要编译为机器语言。所以区别就在于编译器的工作方式中，有两种类型的编译器：

1. 自我实现编译器：如 Go 语言，一开始也是 C 语言实现的编译器，后面逐渐使用 Go 重写编译器；
2. 源到源编译器：是用另一种已经有编译器的语言编写的编译器。开发新语言时用已经完善且成熟的编译器编写，节省时间和学习成本。

Python 解释器中默认和最流行实现是 CPython 。使用它有一个重要的优势。C 是编译语言，其代码转换为机器代码，由中央处理单元（CPU）直接执行。

为什么 Python 最常见的解释器是 C 语言编写的，那为什么不是 Python 或者 C++ 等编程语言呢？

这是一种实用和历史原因的组合。（主要是）历史原因是 CPython 1.0 于1989年发布。当时，C 最近是标准化的。C ++几乎是未知的并且明确不可移植，因为几乎没有人有C ++编译器。

Linux 之父 —— Linus Torvalds 无敌不喜欢 C ++，并且多次向 C++ 表示抗议。

Python 之父 Guido 也没有表示对 C ++ 的那种强烈的负面情绪。

尽管 C++ 在今天更广泛且更容易获得，但将 CPython 重写为与 C++ 兼容的 C 仍需要大量工作。就其本身而言，这项工作几乎没有或根本没有真正的好处。

并非百分百的 C

C（CPython）中的 Python 实现不是 100% 编译的，也不是 100% 解释的。在运行 Python 脚本的过程中，既有编译也有解释。为了清楚起见，让我们看看运行 Python 脚本的步骤：

• 使用 CPython 编译源代码生成字节码
• 在 CPython 解释器中解释字节码
• 在 CPython 虚拟机中运行 CPython 解释器的输出

当 CPython 编译源代码（.py文件）来生成 CPython 字节码（.pyc文件）时，会进行编译。然后使用 CPython 解释器解释 CPython 字节码（.pyC文件），输出在 CPython 虚拟机中运行。根据上述步骤，运行 Python 脚本的过程同时涉及编译和解释。

CPython 编译器仅生成一次字节码，但每次代码运行时都会调用解释器。通常对字节码的解释需要很多时间。如果使用解释器慢下来，为什么要使用它？大的原因是它有助于使 Python 跨平台。由于字节码在 CPU 的顶部的 CPython 虚拟机中运行，因此它独立于它运行的机器。因此，字节码可以不变地运行不同的机器。

CPython 保持其 C 的传统：许多标准库模块，如 ​​ssl​​​ 模块或 ​​sockets​​ 模块，都是用 C 写好的，用以访问底层操作系统 API。Windows 和 Linux 内核中用于创建网络 sockets 的 API、使用文件系统和与显示交互的都用 C 编写。

Python 专注于 对 C 语言层面上的扩展。

如果没有使用解释器，那么 CPython 编译器将生成直接在 CPU 中运行的机器代码。因为不同平台有不同的指令，所以代码不会跨平台。

总之，使用编译器加快过程，但解释器使代码跨平台。因此，Python比C慢的原因是使用解释器。请记住，编译器刚刚运行一次，但每次执行代码时都会运行解释器。

Python 比 C慢得多，但许多程序员仍然更喜欢它，因为它更容易使用。Python 从程序员隐藏了许多细节，这可以帮助防止令人沮丧的调试。例如，由于Python是一种动态键入的语言，您不必明确指定代码中的每个变量的类型 - Python将自动推断出来。相比之下，具有静态类型语言（如 C，C ++ 或 Java），您必须指定变量的类型，如下所示。

int x = 2022
string s = "Hello, World"

将此与以下 Python 中的实现进行比较。动态类型使编码更容易，但增加了机器寻找合适数据类型的负担。这会使过程变慢。

x = 2022
s = "Hello, World"

一般来说，像 Python 这样的“更高级别”语言更容易用于开发人员。但是，当运行代码时，需要将其转换为低级指令。简单易用的这种转换带来的牺牲是需要更多的时间。

如果时间是一个重要因素，那么您需要使用较低级别的指令。比如直接使用 C 语言、C++ 或者时兴的 Rust。

总结

当然，如今，CPython 不再是唯一的 Python 实现。还有如下的 Python 解释器：

• Stackless Python（支持微线程的 CPython 分支）
• IronPython（在 .NET 上运行的 Python）
• Jython（在 Java 虚拟机上运行的 Python）
• PyPy（带有 JIT 编译器的快速 python 实现）
• RPython（Python 的静态类型子集）编写的 PyPy
• NQP 和 PIR 中的 Pynie 等等

总结就是众多的历史原因让吉多大叔选择了用 C 语言写出 Python 的解释器，而 Python 的设计原则为了追求简洁的语法牺牲了一定的时间，所以官方默认的解释起依旧是 CPython。

而为了开发者的方便，时至今日，还有更多其他的解释器版本，而不是弃用原有的 CPython 的底层 API ，选择用 Python 自我实现的解决方案。

好了，这就是为什么 CPython 不用其他语言实现的原因了，希望您看到这里能有帮助。

下一篇文章见！

灵感来源：https://realpython.com/cpython-source-code-guide/