為什麼不給Python 這樣的解釋語言寫一個編譯器？

12-29

如題。解釋語言性能比較差，為什麼一個語言不能既有編譯器又有解釋器？這樣可以在需要性能的時候編譯它。
我剛開始涉足計算機科學，工科生，輕噴…

CPython是會編譯成bytecode的，見pyc文件。其他JPython，IronPython也都是編譯成特定bytecode的。pypy還能進一步JIT編譯成machine code。

性能主要問題不是編不編譯造成的，是動態類型系統以及各種額外的abstractions造成的。

題主是想問2c-python -

2C.py這種靜態編譯器么？

類似的腦洞當然不可能只有一個人開。看還有Nuitka，作者還很興奮：Static Compilation - That is the point. &<- 請結合上下文看：A static Python compiler? What"s the point?

其他腦動請參考Python官網wiki上的列表：PythonImplementations

很高興告訴你，python不是單純的解釋性語言。我們平時所說的python解釋器其實是Cpython，在執行的時候，python會先將.py文件編譯成中間形式的位元組碼(bytecode)並存放在內存當中，然後在正真執行的時候將位元組碼解釋為機器可識別的二進位碼。

默認情況下，被import的文件編譯出位元組碼會被保存下來，即我們看到的.pyc文件了。當然我們可以顯示的編譯一個.py文件並保存。

靜態語言編譯出的是二進位文件，也就是說，打從編譯結束後，執行這個文件，機器怎麼運行是已經確定好的事情了。

而python是一門動態語言，比如語句a+b，在執行它之前，你丫的根本就不知道a和b是什麼，是執行整數運算呢？還是浮點數運算？要知道，一般的計算機，執行整數運算和浮點數運算的運算單元是不一樣的。

所以，動態語言你怎麼去完全編譯它？python已經做得很不錯了。

如果你是比較純正的python，即沒有太多的第三方庫，可以考慮使用pypy解釋器。不過pypy對大部分第三方庫支持力度不夠。比如強大的科學運算庫numpy就未支持，當然，支持的日子相比不會太長遠。

而且，大部分速度的瓶頸跟語言關係不大，而是在於演算法。實在不行，考慮使用C/C++或者CUDA加速才是王道。

第一次碼這麼多字，真是累。。。。

更新：

@kalam yum提到了numpy有專門的Pypy版本，官網上也確實提供了下載鏈接。不過支持力度不夠啊，想下下來使用一下，發現根本下不下來，似乎是我這個爛網路的原因。暫時我是不會考慮使用PyPy。

還有網上有人提到了結合CPython和PyPy的方法：

https://github.com/fijal/jitpy

沒有試，大家可以看下。

目前看來，還是那句話：

使用C/C++或者CUDA加速才是王道。

學習Python的同時，學習C/C++和CUDA，何樂而不為？

因為python是一門動態語言。很多特性要依賴於程序元數據。所以即使編譯成機器碼，還是需要帶運行時，垃圾回收器，程序本身的元數據。編譯成機器碼可能在數值運算方面的性能會得到提升，但其他方面未必會得到顯著的性能提升。

編譯為機器碼，其實類似於pypy那種jit，只是把編譯結果保存起來而已。

其實除了科學計算大部分用得上python的場景都不在乎它的性能。

( 抖個機靈

Cython: C-Extensions for Python

你說這個?

Python不是單純的解釋型語言，所以可以認為它的所謂解釋器即普遍意義上的編譯器。這個問題就像馬為什麼不像人躺著睡覺一樣，躺著多舒服。