python解释器有多少行代码

发布网友 发布时间：2024-09-25 18:33

我来回答

共1个回答

热心网友 时间：2024-09-25 18:52

导读：很多朋友问到关于python解释器有多少行代码的相关问题，本文首席CTO笔记就来为大家做个详细解答，供大家参考，希望对大家有所帮助！一起来看看吧！

视具体代码情况而定，视是否引用外部包而定，视个人编程书写习惯而定。

具体的来说，Python可以将任意长的代码写在一行上（其实好像java也可以这么干）。

所以行数说明不了什么问题。

平均来看，Java要打100行的代码，Python大约需要50行代码左右。

另外Python在某些问题上，处理比Java要更消耗资源，不过Python用了很多多线程优化，所以说起来，单机的运行速度不相上下，但在服务器上运行就能看出来Java是有明显优势的。

本次统计中纯Python代码量最大的Sentry几乎达到了70W行，这是相当有规模的项目了。30W~50W行代码的项目有三个，包括基础项目CPython在内。20W和10W行代码规模的分别有三个，剩下7个则在10W行以内。

看过这个列表你应当相信，动态语言至少在几十W行代码的项目上是完全没有问题的。这也是绝大多数普通应用的上限了，如果代码真的达到数百万行规模的话，那么无论用什么语言，都势必面临着拆分项目的问题。

上表将代码量指标按照代码/空白/注释进行了分类，也在一定程度上反应了项目的代码风格。Sentry是本次统计中代码量最多的项目，然而从表中可以看到，项目中的注释和其他项目相比，少得有点不成比例，说明Sentry的作者非常不注重注释。

同学们一定发现了，我在列表中除了代码行相关的指标之外还增加了几个其他内容，这也是我个人比较感兴趣的方面。

第一个指标是每个文件的平均代码行数。按照模块化的观点，单个文件中堆砌太多内容显然是不合理的，这通常意味着耦合太多、难于理解和修改。然而到底多少算是合适，并没有一个明确的标准。我希望通过这些项目的分析，了解一下开源作者们在实践中做出的选择。

统计的结果分布比较平均，从100~600行/文件的都存在，并不存在明显的集中点。有趣的是，头两名(Pandas,NumPy)有着紧密的联系，都是和数学统计相关的。这可能是因为数学库的特点比较纯粹而单一，不像其他类库那样容易划分。末尾的项目(Pillow,youtube-dl,Odoo,Scrapy)可以从侧面印证这种猜想：它们都是面向特定领域的，所以更加容易模块化。

第二个指标是注释和代码的比例，这个问题也有着类似的情况。注释并非越详尽越好，但总是需要一定量的注释来解释Why的问题。注释太少，说明项目的作者没有给后来的维护人员留下足够的线索，可能会造成维护上的问题。另一方面，我们考察的全部是开源项目，没有公司考核或者KPI的约束，所以我们可以放心的相信不会存在作者故意多写注释的问题。

前面提到的Sentry毫无争议的因为注释太少排到了最后，这未必说明这个项目很差，但至少是一个信号，说明该项目在维护方面可能是存在问题的。而对于那些作者愿意投入精力来写注释的项目(Ansible,NumPy,Fabric,Salt等)，足以反映作者在项目上投入了相当大的心力，这是一个好的信号，说明这些项目是值得信赖的。

有一点是出乎我意料的，那就是作为所有项目之母的CPython排名比较靠后，按照道理这个基础项目应该有更多的注释才对。不过再想一想又觉得可以理解，因为CPython有单独发布的、非常详尽的文档，这是其他大多数项目都没有的，那么代码中的注释少一些也是情有可原的。

最后一项统计是关于文件类型的。Python项目中绝大多数应该是Python代码，这点没有什么疑问，但同时我也想看看除了Python代码之外，一个项目还包括哪些主要文件。C/HTML/Javascipt的上榜是毫不意外的，但有一种文件我事先没有想到，那就是.PO(开源项目常用的语言资源文件)。

对于Django和Django-CMS这两个项目,PO代码数量甚至比Python代码还要多。大概看了一下，Django支持90种以上的语言，这也无怪乎语言文件的数量如此之多了。

这个结果也可以提醒我们，有些同学——不仅是程序员，也包括大多数经验不足的老板、客户、产品经理等——会下意识的认为程序开发无非是写代码，对于代码之外的其他工作，在估算的时候往往只拍脑袋式的定下一个极短的时间。但对于实际的项目来说，代码仅仅是其中的一部分，“其他工作”有时候——应该说是经常——会占用你大部分的的时间和精力。这些工作往往并不有趣，但对于项目来说又是必不可少的组成部分，希望同学们予以足够的重视。

python一单有多少代码量

Python解释器易于扩展，可以使用C语言或C++（或者其他可以通过C调用的语言）扩展新的功能和数据类型。[4]Python也可用于可定制化软件中的扩展程序语言。Python丰富的标准库，提供了适用于各个主要系统平台的源码或机器码。[4]

Python是一种计算机程序设计语言，你可能已经听说过很多流行的编程语言，比如非常难学的C语言，非常流行的Java语言，适合初学者的Basic语言，适合网页编程的JavaScript等，Python就是其中之一。

相对于其他编程语言，Python具有自己独特的优势，它可以用极少的代码完成任务。比如完成同一个任务，C语言要写1000行代码，Java需要100行，而Python可能只需要20行，所以说Python是一门非常高级的编程语言。

什么是python解释器？

当我们编写Python代码时，我们得到的是一个包含Python代码的以.py为扩展名的文本文件。要运行代码，就需要Python解释器去执行.py文件。

由于整个Python语言从规范到解释器都是开源的，所以理论上，只要水平够高，任何人都可以编写Python解释器来执行Python代码（当然难度很大）。事实上，确实存在多种Python解释器。

CPython

当我们从Python官方网站下载并安装好Python2.7后，我们就直接获得了一个官方版本的解释器：CPython。这个解释器是用C语言开发的，所以叫CPython。在命令行下运行python就是启动CPython解释器。

CPython是使用最广的Python解释器。教程的所有代码也都在CPython下执行。

IPython

IPython是基于CPython之上的一个交互式解释器，也就是说，IPython只是在交互方式上有所增强，但是执行Python代码的功能和CPython是完全一样的。好比很多国产浏览器虽然外观不同，但内核其实都是调用了IE。

CPython用作为提示符，而IPython用In[序号]:作为提示符。

PyPy

PyPy是另一个Python解释器，它的目标是执行速度。PyPy采用JIT技术，对Python代码进行动态编译（注意不是解释），所以可以显著提高Python代码的执行速度。

绝大部分Python代码都可以在PyPy下运行，但是PyPy和CPython有一些是不同的，这就导致相同的Python代码在两种解释器下执行可能会有不同的结果。如果你的代码要放到PyPy下执行，就需要了解PyPy和CPython的不同点。

Jython

Jython是运行在Java平台上的Python解释器，可以直接把Python代码编译成Java字节码执行。

IronPython

IronPython和Jython类似，只不过IronPython是运行在微软.Net平台上的Python解释器，可以直接把Python代码编译成.Net的字节码。

小结

Python的解释器很多，但使用最广泛的还是CPython。如果要和Java或.Net平台交互，最好的办法不是用Jython或IronPython，而是通过网络调用来交互，确保各程序之间的独立性。

本教程的所有代码只确保在CPython2.7版本下运行。请务必在本地安装CPython（也就是从Python官方网站下载的安装程序）。

此外，教程还内嵌一个IPython的Web版本，用来在浏览器内练习执行一些Python代码。要注意两者功能一样，输入的代码一样，但是提示符有所不同。另外，不是所有代码都能在Web版本的IPython中执行，出于安全原因，很多操作（比如文件操作）是受限的，所以有些代码必须在本地环境执行代码。

相关推荐：《Python教程》以上就是小编分享的关于什么是python解释器的详细内容希望对大家有所帮助，更多有关python教程请关注环球青藤其它相关文章！

结语：以上就是首席CTO笔记为大家整理的关于python解释器有多少行代码的全部内容了，感谢您花时间阅读本站内容，希望对您有所帮助，更多关于python解释器有多少行代码的相关内容别忘了在本站进行查找喔。