189 8069 5689
本篇文章为大家展示了怎么在Python项目中实现一个goto语句，内容简明扼要并且容易理解，绝对能使你眼前一亮，通过这篇文章的详细介绍希望你能有所收获。
Python 默认是没有 goto 语句的，但是有一个第三方库支持在 Python 里面实现类似于
goto 的功能：https://github.com/snoack/python-goto.。比如在下面这个例子里，
from goto import with_goto @with_goto def func(): for i in range(2): for j in range(2): goto .end label .end return (i, j, k)
func() 在执行第一遍循环时，就会从最内层的 for j in range(2) 跳到函数的return 语句前面。
按理说本文到此就该完了，但是这个库有一个限制，如果嵌套的循环层次太深，就无法工作。比如下面这几行代码：
@with_goto def func(): for i in range(2): for j in range(2): for k in range(2): for m in range(2): for n in range(2): goto .end label .end return (i, j, k, m, n)
会让它抛出 SyntaxError。
本文接下来的内容，就是如何打破这个限制。
python-goto 是如何工作的
python-goto 这个库，通过 decorator 的方式修改了传进来的函数 func 的__code__ 属性，把插入的字节码暗桩替换成相关的 JMP 语句。具体的琐碎实现细节，可以参考该项目下 goto.py 这个文件，一共也就不到两百行。
本文开头的例子中，func 函数的字节码可以用
import dis dis.dis(func)
打印出来。
下面贴出不带 @with_goto 时的输出（# 号后面的内容是我加的）：实际上
# for i in range(2): # 7 是源代码行号（跟示例不太对得上，不要太在意细节XD） # 0/2/4 这些是 offset，在这里每条字节码长度都是 2。 # >> 表示会跳到这里。 7 0 SETUP_LOOP 40 (to 42) 2 LOAD_GLOBAL 0 (range) 4 LOAD_CONST 1 (2) 6 CALL_FUNCTION 1 8 GET_ITER >> 10 FOR_ITER 28 (to 40) 12 STORE_FAST 0 (i) # for j in range(2): 8 14 SETUP_LOOP 22 (to 38) 16 LOAD_GLOBAL 0 (range) 18 LOAD_CONST 1 (2) 20 CALL_FUNCTION 1 22 GET_ITER >> 24 FOR_ITER 10 (to 36) 26 STORE_FAST 1 (j) # goto .end 9 28 LOAD_GLOBAL 1 (goto) 30 LOAD_ATTR 2 (end) 32 POP_TOP # 结束循环 j 34 JUMP_ABSOLUTE 24 >> 36 POP_BLOCK # 结束循环 i >> 38 JUMP_ABSOLUTE 10 >> 40 POP_BLOCK # label .end 10 >> 42 LOAD_GLOBAL 3 (label) 44 LOAD_ATTR 2 (end) 46 POP_TOP # return (i, j, k) 11 48 LOAD_FAST 0 (i) 50 LOAD_FAST 1 (j) 52 LOAD_GLOBAL 4 (k) 54 BUILD_TUPLE 3
跟带 @with_goto 时的输出比较，只有这两点差别：
# goto .end - 9 28 LOAD_GLOBAL 1 (goto) - 30 LOAD_ATTR 2 (end) - 32 POP_TOP + 9 28 POP_BLOCK + 30 POP_BLOCK + 32 JUMP_FORWARD 14 (to 48)
# label .end - 10 >> 42 LOAD_GLOBAL 3 (label) - 44 LOAD_ATTR 2 (end) - 46 POP_TOP + 10 >> 42 NOP + 44 NOP + 46 NOP - 11 48 LOAD_FAST 0 (i) + 11 >> 48 LOAD_FAST 0 (i)
在没有引入 @with_goto 时，goto .end 在 Python 解释器的眼里，其实就是goto.end，即访问某个叫 goto 的全局域里的对象的 end 属性。该语句会被编译成三条语句：LOAD_GLOBAL、LOAD_ATTR、POP_TOP。这就是插入在字节码里的暗桩。
在引入 @with_goto 之后，这三条语句会被替换成一条 JMP 语句外加若干条辅助的语句。这样在执行到这些字节码时，就会跳到指定的地方了，比如在上面例子中跳到 offset 48，也即原来 label .end 的下一条字节码。
（关于 Python 字节码的官方文档并不显眼，藏在 dis 这个模块下。注意它不是按字母表顺序介绍每个字节码的，所以要想查特定的字节码，需要 Ctrl+F 一下。）
JMP 语句只需要一条，如果要向前跳，就用 JUMP_FORWARD；向后跳，就用JUMP_ABSOLUTE。但是辅助的语句可能不止一条，比如要想从一个 for loop 或者 try block 跳出来，需要加 POP_BLOCK 语句。有多少层循环就需要加多少条 POP_BLOCK，比如前面的示例里是两层循环，就是两条 POP_BLOCK。
另外，由于 Python 字节码的长度固定为两个 byte，一个 byte 用于表示字节码的类型，另一个用于表示参数。如果要想放下超过字节码预留的空位的参数，需要用 EXTENDED_ARG语句。比如
EXTENDED_ARG 7 EXTENDED_ARG 2046 OP x
那么语句 OP 的参数就是 7 << 16 + 2046 << 8 + x。
对于 JUMP_FORWARD，它的参数是 offset。所以当目标地址离当前位置的 offset 超过256 时，需要额外生成 EXTENDED_ARG。JUMP_ABSOLUTE 也是同样的道理，只是该语句的参数是绝对地址。
所以对于深层嵌套内、需要跳到很远的 goto 语句，就要加不少辅助语句。而python-goto 这个库，在替换暗桩时，并不会额外增加语句。如果所需的语句超过暗桩的大小，会抛出 SyntaxError。
在 Python 3.6 之前，不带参数的语句只需要 1 个字节，同样 6 个字节的地方，可以容纳 1 条必需的 JMP 语句和 4 条 POP_BLOCK。除非你是在一个五层循环里用 goto，不太会碰到这个限制。但是 Python 3.6 之后，POP_BLOCK 也要用 2 个字节了，顿时连三层循环都 hold 不住了，这个问题就显得尖锐起来。上面还没考虑到需要加EXTENDED_ARG 的情况。
如何绕过字节码大小的限制
那么一个显而易见的解决方案就浮出水面了：为何不试试在修改字节码的时候，动态改变字节码的大小，让它有足够的位置容纳新增的辅助语句？这样一来，就能彻底地解决问题了。
这个就是开头说到的，打破限制的方法。
Python 本身是允许动态增大/缩小 __code__ 属性里的字节码的。但是有个问题，Python里许多字节码依赖特定的位置或者偏移。如果我们挪动了涉及的字节码，需要同步修改这些语句的参数。（包括我们新生成的 goto 语句里面的 JUMP_ABSOLUTE 和 JUMP_FORWARD）
这个听起来简单，似乎只要把参数 patch 成实际修改后的值就好了。然而 Python 是通过在字节码前面插入 EXTENDED_ARG 来实现定长字节码里支持不定长参数的功能。修改参数的值可能需要动态调整 EXTENDED_ARG 语句的数量；而调整 EXTENDED_ARG 又反过来影响到各个语句的参数…… 所以这里需要一个 while True 循环，直到某一次调整不会触发 EXTENDED_ARG 语句的变化为止。
好在如果我们只单方面增大字节码，就只需要增加 EXTENDED_ARG 语句。而每在一个地方增加完 EXTENDED_ARG 语句，就意味着对应的 OP 语句参数能缩小 256。后面无论怎么调整，都不太可能需要再增加多一个 EXTENDED_ARG 语句。这么一来，调整的次数就不会多。
虽然说起来好像就那么两三段话的事，但是开发难度会很大。因为需要 patch 的字节码类型很多，大约十来种吧。而且逻辑上较为复杂，牵连的地方很多。实际上我没有实现前述的方案，只是设计了下而已。如果你要实现它，请在编码时保持内心的平静，另外多写测试用例，不然很容易出问题。
上述内容就是怎么在Python项目中实现一个goto语句，你们学到知识或技能了吗？如果还想学到更多技能或者丰富自己的知识储备，欢迎关注创新互联成都网站设计公司行业资讯频道。
另外有需要云服务器可以了解下创新互联scvps.cn，海内外云服务器15元起步，三天无理由+7*72小时售后在线，公司持有idc许可证，提供“云服务器、裸金属服务器、高防服务器、香港服务器、美国服务器、虚拟主机、免备案服务器”等云主机租用服务以及企业上云的综合解决方案，具有“安全稳定、简单易用、服务可用性高、性价比高”等特点与优势，专为企业上云打造定制，能够满足用户丰富、多元化的应用场景需求。