Python是出类拔萃的 然而，这是一句非常模棱两可的话。这里的"Python"到底指的是什么？ 是Python的抽象接口吗？ 是Python的通用实现CPython吗（不要把CPython跟Cython搞混了）？亦或者指的完全是其他的东西呢？ 可能我另外指的是Jython，或者IronPython，或者是PyPy。也或者转而谈论的又是RPython或者RubyPython （这两者是完全不同的东西）。 上面提到的那些技术经常被提起和引用， 它们的使用目的和场景是完全不一样的 （至少，它们的操作方式是完全不一样的） 自从我使用Python工作以来，我已经用过了各种各样的.*ython工具了。但是直到最近我才花时间去理解到 底它们是干嘛的，它们是怎样工作的，为什么它们是不可或缺的。 在这篇文章里面，我会介绍各种Python的实现，最后以对PyPy的介绍结尾， 因为我个人认为它是Python的未来。 所有的都从理解什么是"Python"开始。 如果你对机器码，虚拟机之类的很熟了，你可以跳过开头，直接从 "即时编译: PyPy和它的未来" 这部分开始看起。 Python是解释型的还是编译型的？这是个Python新人都会迷惑的问题。 首先需要明了的是Python只是一个接口。有一个关于Python应该做什么以及怎么做的具体说明 (就像其他任何接口一样 )，并且对应的有很多具体的实现（也像其他接口一样）。 其次需要知道的是“解释型”和“编译型”是具体实现的特性，而不是接口的特性。 所以，这个问题本身就没有组织好。 Python是解释型还是编译型的？这个问题真的没有组织好。 对使用最广泛的实现（CPython:用C实现的，通常简单的说成Python，若你不知道我所说的这些，那很肯能你 在使用的就是CPython）而言，这个问题的答案是：解释型，但带有一些编译型特征。CPython把Python源码编 译*成字节码，之后再解释这些字节码，执行之。 *注意：这个编译不是通常意义上的编译。通常我们说的编译，是指把高级语言代码转换成机器码。但这里实际 上是一种种类的编译。(译者，这句话不是很懂，原文是it is a ‘compilation’ of sorts，不知作何解，求教各位读者。) 再详细看下上面的答案吧，这有助于我们理解本文中后面会讲到的几个概念。 字节码 vs. 机器码了解字节码和机器码（或者native code）的区别是很重要的，最好的办法或许是看看例子：
简而言之：机器码快的多，但字节码更易迁移，也更安全。 机器码随机器的变化而变化，但字节码在所有的机器上都是一样的。有人可能会认为机器码是对特定环境优化了的。
字节码随后在CPython虚拟机上执行。 初学者常常因为看到.pyc文件而假设Python是编译型的。这也有一些合理性：.pyc文件正式之后要解释的字 节码文件。所以，你若之前运行过你的Python代码，生成了.pyc文件，再次运行时就要快得多，因为不需要 再次编译生成字节码了。 可选的虚拟机：Jython，IronPython等正如我之前所述，Python有很多实现。前面也提到，CPython是最通用的。这是一个用C实现的，被认为是 ”默认“的实现。 但其他的呢？其中最显赫的之一就是Jython，一个用Java实现的采用了JVM的实现。CPython生成在 CPython虚拟机上运行的字节码，而Jython生成在JVM上运行的java字节码(这同编译Java程序生成java字 节码的过程是一样的)。
”为啥你要用其他的实现？”，你可能会如此发问。好吧，对开发者而言，不同的实现对不同的技术难题的支持 程度不一样。 CPython中很容易为你的Python代码写C扩展，因为最终都是由C解释器执行的。另一方面，Jython则使得和 其他java程序共同工作很容易：无需其他工作，你就可导入任何Java类，在你的Jython程序中使用其他Java类 （题外话，若你没有认真思考，这一段会很难。此时我们已经在讨论把不同语言的代码混在一起，并编译成同 一程序。（Rostin 提出混合Fortran和C代码编程已经有一段时间了。所以，这并不新鲜，但仍然很酷。）） 下面是一个例子，一段合法的Jython代码：
IronPython是另一很流行的Python 实现，完全用C#实现，针对.NET平台。她运行在可以叫做.NET虚拟机的 平台上，这是微软的 Common Language Runtime (CLR)，同JVM相对应。 你可能会说，Jython:Java::IronPython:C#。它们各自运行在相同的虚拟机上，你能从你的IronPython中导入C#的 类，从你写的Jython代码中带入Java类，等等 你完全可以不用任何非CPython的实现就能完成你手上的任何工作。但是使用这些技术也是有很多的好处的，大部分取 决于你现在所使用的技术栈。 你使用了很多基于JVM的语言？Jython就是为你准备的。使用的都是.NET世界的语言？ 那么你应该试试IronPython了（或许你已经在用了）
顺便说一下（尽管这不是使用不同的实现的理由），注意Python的各种实现在对待你的Python源码的时候所 做的处理方式是完全不一样的。然后这些差异是很小的，由于这些实现都在不停的发展改进中，随着时间的推 移，这些差异会慢慢融合和兼容。比如，IronPython默认情况下使用Unicode字符串，但是在2.x版本的 CPython中默认是ASCII字符串（如果使用了非ASCII字符串，会抛出一个UnicodeEncodeError错误）， 但是在3.x版本里面CPythong已经默认支持Unicode字符串了。 即时编译: PyPy和它的未来我们已经有了一个使用C写的Python实现，一个用Java写的，一个用C#写的。接下来就是：用Python写的 Python实现（有心人可能会注意这句话有点问题，是个死循环，^_^） 接下来我们看下什么地方容易搞混淆。首先，我们讨论下即时编译器JIT JIT: 为什么会有这个？它的原理是什么？ 大家都知道本地机器码的速度比字节码的速度快很多。那么，如果我们能将一些字节码直接编译成本地机器码再去 运行它会怎样呢？我们必须花费一些代价（比如时间）在编译字节码到本地机器码上，如果最终的运行时间更快， 那么这个代价就是值得的。这就是JIT编译器的动机，一种混合了解释器和编译器好处的技术。简单来讲，JIT就是 想通过编译技术提升脚本解释器系统的速度。 例如, 被JIT（及时编译）采用的通用方法:
这是关于PyPy的用处: 把JIT代入Python语言 (参看前面成果的附录).当然也有其他目的: PyPy 目标是成为一个 跨平台，轻内存，支持stackless（译注：stackless为python提供微线程扩展，具有并发特性）。 但是及时编 译才是它真正的卖点。 基于一系列时间测试的平均, 据说性能上能提高6.27倍. 停一下, 看看下面这个由 PyPy Speed Center提供的图表:
|
