源码探秘：Python 中对象是如何被调用的？-python 调用c++

楔子

我们知道对象被创建，主要有两种方式，一种是通过Python/C API，另一种是通过调用类型对象。对于内置类型的实例对象而言，这两种方式都是支持的，比如列表，我们即可以通过[]创建，也可以通过list()，前者是Python/C API，后者是调用类型对象。

但对于自定义类的实例对象而言，我们只能通过调用类型对象的方式来创建。而一个对象如果可以被调用，那么这个对象就是callable，否则就不是callable。

而决定一个对象是不是callable，就取决于其对应的类型对象中是否定义了某个方法。如果从 Python 的角度看的话，这个方法就是 __call__，从解释器角度看的话，这个方法就是 tp_call。

从 Python 的角度看对象的调用

调用 int、str、tuple 可以创建一个整数、字符串、元组，调用自定义的类也可以创建出相应的实例对象，说明类型对象是可调用的，也就是callable。那么这些类型对象（int、str、tuple、class等等）的类型对象（type）内部一定有 __call__ 方法。

# int可以调用
# 那么它的类型对象、也就是元类(type), 内部一定有__call__方法
print(hasattr(type, "__call__"))  # True
# 而调用一个对象，等价于调用其类型对象的 __call__ 方法
# 所以 int(3.14)实际就等价于如下
print(type.__call__(int, 3.14))  # 3

注意：这里描述的可能有一些绕，我们说 int、str、float 这些都是类型对象（简单来说就是类），而 123、"你好"、3.14 是其对应的实例对象，这些都没问题。但type是不是类型对象，显然是的，虽然我们称呼它为元类，但它也是类型对象，如果 print(type) 显示的也是一个类。

那么相对 type 而言，int、str、float 是不是又成了实例对象呢？因为它们的类型是 type。

所以 class 具有二象性：

如果站在实例对象（如：123、"satori"、[]、3.14）的角度上，它是类型对象
如果站在 type 的角度上，它是实例对象

同理 type 的类型是也是 type，那么 type 既是 type 的类型对象，type 也是 type 的实例对象。虽然这里描述的会有一些绕，但应该不难理解，并且为了避免后续的描述出现歧义，这里我们做一个申明：

整数、浮点数、字符串等等，我们称之为实例对象
int、float、str、dict，以及我们自定义的类，我们称之为类型对象
type 虽然也是类型对象，但我们称它为元类

所以 type 的内部有 __call__ 方法，那么说明类型对象都是可调用的，因为调用类型对象就是调用 type 的 __call__ 方法。而实例对象能否调用就不一定了，这取决于它的类型对象中是否定义了 __call__ 方法，因为调用一个对象，本质上是执行其类型对象内部的 __call__ 方法。

class A:
   pass
a = A()
# 因为我们自定义的类 A 里面没有 __call__
# 所以 a 是不可以被调用的
try:
   a()
except Exception as e:
   # 告诉我们 A 的实例对象不可以被调用
   print(e)  # 'A' object is not callable    
# 如果我们给 A 设置了一个 __call__
type.__setattr__(A, "__call__", lambda self: "这是__call__")
# 发现可以调用了
print(a())  # 这是__call__

我们看到这就是动态语言的特性，即便在类创建完毕之后，依旧可以通过type进行动态设置，而这在静态语言中是不支持的。所以type是所有类的元类，它控制了我们自定义类的生成过程，type这个古老而又强大的类可以让我们玩出很多新花样。

但是对于内置的类，type是不可以对其动态增加、删除或者修改属性的，因为内置的类在底层是静态定义好的。因为从源码中我们看到，这些内置的类、包括元类，它们都是PyTypeObject对象，在底层已经被声明为全局变量了，或者说它们已经作为静态类存在了。所以type虽然是所有类型对象的元类，但是只有在面对我们自定义的类，type才具有增删改的能力。

而且我们也解释过，Python 的动态性是解释器将字节码翻译成 C 代码的时候动态赋予的，因此给类动态设置属性或方法只适用于动态类，也就是在 py 文件中使用 class 关键字定义的类。

而对于静态类、或者编写扩展模块时定义的扩展类（两者是等价的），它们在编译之后已经是指向 C 一级的数据结构了，不需要再被解释器解释了，因此解释器自然也就无法在它们身上动手脚，毕竟彪悍的人生不需要解释。

try:
   type.__setattr__(dict, "__call__", lambda self: "这是__call__")
except Exception as e:
   print(e)  # can't set attributes of built-in/extension type 'dict'

我们看到抛异常了，提示我们不可以给内置/扩展类型dict设置属性，因为它们绕过了解释器解释执行这一步，所以其属性不能被动态设置。

同理其实例对象亦是如此，静态类的实例对象也不可以动态设置属性：

class Girl:  
   pass
g = Girl()
g.name = "古明地觉"
# 实例对象我们也可以手动设置属性
print(g.name)  # 古明地觉
lst = list()
try:
   lst.name = "古明地觉"
except Exception as e:
   # 但是内置类型的实例对象是不可以的
   print(e)  # 'list' object has no attribute 'name'

可能有人奇怪了，为什么列表不行呢？答案是内置类型的实例对象没有__dict__属性字典，因为相关属性或方法底层已经定义好了，不可以动态添加。如果我们自定义类的时候，设置了__slots__，那么效果和内置的类是相同的。

当然了，我们后面会介绍如何通过动态修改解释器来改变这一点，举个栗子，不是说静态类无法动态设置属性吗？下面我就来打自己脸：

import gc
try:
   type.__setattr__(list, "ping", "pong")
except TypeError as e:
   print(e)  # can't set attributes of built-in/extension type 'list'
# 我们看到无法设置，那么我们就来改变这一点
attrs = gc.get_referents(tuple.__dict__)[0]
attrs["ping"] = "pong"
print(().ping)  # pong
attrs["append"] = lambda self, item: self + (item,)
print(
   ().append(1).append(2).append(3)
)  # (1, 2, 3)

我脸肿了。好吧，其实这只是我们玩的一个小把戏，当我们介绍完整个 CPython 的时候，会来专门聊一聊如何动态修改解释器。比如：让元组变得可修改，让 Python 真正利用多核等等。

从解释器的角度看对象的调用

我们以内置类型 float 为例，我们说创建一个 PyFloatObject，可以通过3.14或者float(3.14)的方式。前者使用Python/C API创建，3.14直接被解析为 C 一级数据结构，也就是PyFloatObject实例；后者使用类型对象创建，通过对float进行一个调用、将3.14作为参数，最终也得到指向C一级数据结构PyFloatObject实例。

Python/C API的创建方式我们已经很清晰了，就是根据值来推断在底层应该对应哪一种数据结构，然后直接创建即可。我们重点看一下通过类型调用来创建实例对象的方式。

如果一个对象可以被调用，它的类型对象中一定要有tp_call(更准确的说成员tp_call的值是一个函数指针，不可以是0)，而PyFloat_Type是可以调用的，这就说明PyType_Type内部的tp_call是一个函数指针，这在Python的层面上我们已经验证过了，下面我们再来通过源码看一下。

//typeobject.c
PyTypeObject PyType_Type = {
   PyVarObject_HEAD_INIT(&PyType_Type, 0)
   "type",                                     /* tp_name */
   sizeof(PyHeapTypeObject),                   /* tp_basicsize */
   sizeof(PyMemberDef),                        /* tp_itemsize */
   (destructor)type_dealloc,                   /* tp_dealloc */
   //...                                       /* tp_hash */
   (ternaryfunc)type_call,                     /* tp_call */
   //...
}

我们看到在实例化PyType_Type的时候PyTypeObject内部的成员tp_call被设置成了type_call。这是一个函数指针，当我们调用PyFloat_Type的时候，会触发这个type_call指向的函数。

因此 float(3.14) 在C的层面上等价于：

(&PyFloat_Type) -> ob_type -> tp_call(&PyFloat_Type, args, kwargs);
// 即：
(&PyType_Type) -> tp_call(&PyFloat_Type, args, kwargs);
// 而在创建 PyType_Type 的时候，给 tp_call 成员传递的是 type_call
// 因此最终相当于
type_call(&PyFloat_Type, args, kwargs)

如果用 Python 来演示这一过程的话：

# float(3.14)，等价于
f1 = float.__class__.__call__(float, 3.14)
# 等价于
f2 = type.__call__(float, 3.14)
print(f1, f2)  # 3.14 3.14

这就是 float(3.14) 的秘密，相信list、dict在实例化的时候是怎么做的，你已经猜到了，做法是相同的。

# lst = list("abcd")
lst = list.__class__.__call__(list, "abcd")
print(lst)  # ['a', 'b', 'c', 'd']
# dct = dict([("name", "古明地觉"), ("age", 17)])
dct = dict.__class__.__call__(dict, [("name", "古明地觉"), ("age", 17)])
print(dct)  # {'name': '古明地觉', 'age': 17}

最后我们来围观一下 type_call 函数，我们说 type 的 __call__ 方法，在底层对应的是 type_call 函数，它位于Object/typeobject.c中。

static PyObject *
type_call(PyTypeObject *type, PyObject *args, PyObject *kwds)
{  
   // 如果我们调用的是 float
   // 那么显然这里的 type 就是 &PyFloat_Type

   // 这里是声明一个PyObject *
   // 显然它是要返回的实例对象的指针
   PyObject *obj;

   // 这里会检测 tp_new是否为空，tp_new是什么估计有人已经猜到了
   // 我们说__call__对应底层的tp_call
   // 显然__new__对应底层的tp_new，这里是为实例对象分配空间
   if (type->tp_new == NULL) {
       // tp_new 是一个函数指针，指向具体的构造函数
       // 如果 tp_new 为空，说明它没有构造函数
       // 因此会报错，表示无法创建其实例
       PyErr_Format(PyExc_TypeError,
                    "cannot create '%.100s' instances",
                    type->tp_name);
       return NULL;
   }

   //通过tp_new分配空间
   //此时实例对象就已经创建完毕了，这里会返回其指针
   obj = type->tp_new(type, args, kwds);
   //类型检测，暂时不用管
   obj = _Py_CheckFunctionResult((PyObject*)type, obj, NULL);
   if (obj == NULL)
       return NULL;
   //我们说这里的参数type是类型对象，但也可以是元类
   //元类也是由PyTypeObject结构体实例化得到的
   //元类在调用的时候执行的依旧是type_call
   //所以这里是检测type指向的是不是PyType_Type
   //如果是的话，那么实例化得到的obj就不是实例对象了，而是类型对象
   //要单独检测一下
   if (type == &PyType_Type &&
       PyTuple_Check(args) && PyTuple_GET_SIZE(args) == 1 &&
       (kwds == NULL ||
        (PyDict_Check(kwds) && PyDict_GET_SIZE(kwds) == 0)))
       return obj;
   //tp_new应该返回相应类型对象的实例对象(的指针)
   //但如果不是，就直接将这里的obj返回
   //此处这么做可能有点难理解，我们一会细说
   if (!PyType_IsSubtype(Py_TYPE(obj), type))
       return obj;

   //拿到obj的类型
   type = Py_TYPE(obj);
   //执行 tp_init
   //显然这个tp_init就是__init__函数
   //这与Python中类的实例化过程是一致的。
   if (type->tp_init != NULL) {
       //将tp_new返回的对象作为self，执行 tp_init
       int res = type->tp_init(obj, args, kwds);
       if (res < 0) {
           //执行失败，将引入计数减1，然后将obj设置为NULL
           assert(PyErr_Occurred());
           Py_DECREF(obj);
           obj = NULL;
       }
       else {
           assert(!PyErr_Occurred());
       }
   }
   //返回obj
   return obj;
}

因此从上面我们可以看到关键的部分有两个：

调用类型对象的 tp_new 指向的函数为实例对象申请内存
调用 tp_init 指向的函数为实例对象进行初始化，也就是设置属性

所以这对应Python中的__new__和__init__，我们说__new__是为实例对象开辟一份内存，然后返回指向这片内存(对象)的指针，并且该指针会自动传递给__init__中的self。

class Girl:
   def __new__(cls, name, age):
       print("__new__方法执行啦")
       # 写法非常固定
       # 调用object.__new__(cls)就会创建Girl的实例对象
       # 因此这里的cls指的就是这里的Girl，注意：一定要返回
       # 因为__new__会将自己的返回值交给__init__中的self
       return object.__new__(cls)
   def __init__(self, name, age):
       print("__init__方法执行啦")
       self.name = name
       self.age = age
g = Girl("古明地觉", 16)
print(g.name, g.age)
"""
__new__方法执行啦
__init__方法执行啦
古明地觉 16
"""

__new__里面的参数要和__init__里面的参数保持一致，因为我们会先执行__new__，然后解释器会将__new__的返回值和我们传递的参数组合起来一起传递给__init__。因此__new__里面的参数除了cls之外，一般都会写*args和**kwargs。

然后再回过头来看一下type_call中的这几行代码：

static PyObject *
type_call(PyTypeObject *type, PyObject *args, PyObject *kwds)
{  
   //......
   //......
   if (!PyType_IsSubtype(Py_TYPE(obj), type))
       return obj;

   //......
   //......
}

我们说tp_new应该返回该类型对象的实例对象，而且一般情况下我们是不写__new__的，会默认执行。但是我们一旦重写了，那么必须要手动返回object.__new__(cls)。可如果我们不返回，或者返回其它的话，会怎么样呢？

class Girl:
   def __new__(cls, *args, **kwargs):
       print("__new__方法执行啦")
       instance = object.__new__(cls)
       # 打印看看instance到底是个什么东东
       print("instance:", instance)
       print("type(instance):", type(instance))

       # 正确做法是将instance返回
       # 但是我们不返回, 而是返回个 123
       return 123
   def __init__(self, name, age):
       print("__init__方法执行啦")
g = Girl()
"""
__new__方法执行啦
instance: <__main__.Girl object at 0x000002C0F16FA1F0>
type(instance): <class '__main__.Girl'>
"""

这里面有很多可以说的点，首先就是 __init__ 里面需要两个参数，但是我们没有传，却还不报错。原因就在于这个 __init__ 压根就没有执行，因为 __new__ 返回的不是 Girl 的实例对象。

通过打印 instance，我们知道了object.__new__(cls) 返回的就是 cls 的实例对象，而这里的cls就是Girl这个类本身。我们必须要返回instance，才会执行对应的__init__，否则__new__直接就返回了。我们在外部来打印一下创建的实例对象吧，看看结果：

class Girl:
   def __new__(cls, *args, **kwargs):
       return 123
   def __init__(self, name, age):
       print("__init__方法执行啦")
g = Girl()
print(g, type(g))  # 123 <class 'int'>

我们看到打印的是123，所以再次总结一些tp_new和tp_init之间的区别，当然也对应__new__和__init__的区别：

tp_new：为该类型对象的实例对象申请内存，在Python的__new__方法中通过object.__new__(cls)的方式申请，然后将其返回
tp_init：tp_new的返回值会自动传递给self，然后为self绑定相应的属性，也就是进行实例对象的初始化

但如果tp_new返回的不是对应类型的实例对象的指针，比如type_call中第一个参数接收的&PyFloat_Type，但是tp_new中返回的却是PyLongObject *，所以此时就不会执行tp_init。

以上面的代码为例，我们Girl中的__new__应该返回Girl的实例对象才对，但实际上返回了整型，因此类型不一致，所以不会执行__init__。

下面我们可以做总结了，通过类型对象去创建实例对象的整体流程如下：

第一步：获取类型对象的类型对象，说白了就是元类，执行元类的 tp_call 指向的函数，即 type_call
第二步：type_call 会调用该类型对象的 tp_new 指向的函数，如果 tp_new 为 NULL，那么会到 tp_base 指定的父类里面去寻找 tp_new。在新式类当中，所有的类都继承自 object，因此最终会执行 object 的 __new__。然后通过访问对应类型对象中的 tp_basicsize 信息，这个信息记录着该对象的实例对象需要占用多大的内存，继而完成申请内存的操作
调用type_new 创建完对象之后，就会进行实例对象的初始化，会将指向这片空间的指针交给 tp_init，但前提是 tp_new 返回的实例对象的类型要一致。

所以都说 Python 在实例化的时候会先调用 __new__ 方法，再调用 __init__ 方法，相信你应该知道原因了，因为在源码中先调用 tp_new、再调用的 tp_init。

static PyObject *
type_call(PyTypeObject *type, PyObject *args, PyObject *kwds)
{  
   //调用__new__方法， 拿到其返回值
   obj = type->tp_new(type, args, kwds);
   if (type->tp_init != NULL) {
       //将__new__返回的实例obj，和args、kwds组合起来
       //一起传给 __init__
       //其中 obj 会传给 self，
       int res = type->tp_init(obj, args, kwds);
       //......
   return obj;
}

所以源码层面表现出来的，和我们在 Python 层面看到的是一样的。

小结

到此，我们就从 Python 和解释器两个层面了解了对象是如何调用的，更准确的说我们是从解释器的角度对 Python 层面的知识进行了验证，通过 tp_new 和 tp_init 的关系，来了解 __new__ 和 __init__ 的关系。

另外，对象调用远不止我们目前说的这么简单，更多的细节隐藏在了幕后，只不过现在没办法将其一次性全部挖掘出来。