为什么 Python 为 [0xfor x in (1, 2, 3)] 返回 [15]？

Question

运行以下行时：

>>> [0xfor x in (1, 2, 3)]

我希望 Python 返回一个错误。

相反，REPL 返回：

[15]

可能是什么原因？

Answer 1

TL; 博士

Python 将表达式读作[0xf or (x in (1, 2, 3))]，因为：

1. 在Python的分词器。
2. 运算符优先级。

NameError由于短路评估，它永远不会引发- 如果or运算符左侧的表达式是一个真值，Python 将永远不会尝试评估它的右侧。

解析十六进制数

首先，我们要了解Python是如何读取十六进制数的。

在tokenizer.c的巨大tok_get功能上，我们：

1. 找到第一个0x。
2. 只要接下来的字符在 0-f 的范围内，就继续阅读它们。

解析的标记0xf（因为“o”不在 0-f 的范围内），最终将传递给 PEG 解析器，该解析器会将其转换为十进制值15（参见附录 A）。

我们仍然需要解析其余的代码，or x in (1, 2, 3)]，剩下的代码如下：

[15 or x in (1, 2, 3)]

运算符优先级

因为in具有比更高的运算符优先级or，我们可能期望x in (1, 2, 3)首先评估。

这是一个麻烦的情况，因为x不存在并且会引发NameError.

or 很懒

幸运的是，Python 支持短路求值，就像or一个惰性运算符：如果左操作数等价于True，Python 不会费心求值右操作数。

我们可以使用ast模块看到它：

[15 or x in (1, 2, 3)]

输出：

parsed = ast.parse('0xfor x in (1, 2, 3)', mode='eval')
ast.dump(parsed)

所以最终的表达式等于[15]。

附录 A：PEG 解析器

在pegen.c的parsenumber_raw函数中，我们可以找到 Python 如何处理前导零：

    Expression(
        body=BoolOp(
            op=Or(),
            values=[
                Constant(value=15),   # <-- Truthy value, so the next operand won't be evaluated.
                Compare(
                    left=Name(id='x', ctx=Load()),
                    ops=[In()],
                    comparators=[
                        Tuple(elts=[Constant(value=1), Constant(value=2), Constant(value=3)], ctx=Load())
                    ]
                )
            ]
        )
    )

PyOS_strtoul在Python/mystrtoul.c.

在 mystrtoul.c 中，解析器查看 .c之后的一个字符0x。如果是十六进制字符，Python 将数字的基数设置为 16：

    if (s[0] == '0') {
        x = (long)PyOS_strtoul(s, (char **)&end, 0);
        if (x < 0 && errno == 0) {
            return PyLong_FromString(s, (char **)0, 0);
        }
    }

然后，只要字符在 0-f 范围内，它就会解析数字的其余部分：

            if (*str == 'x' || *str == 'X') {
                /* there must be at least one digit after 0x */
                if (_PyLong_DigitValue[Py_CHARMASK(str[1])] >= 16) {
                    if (ptr)
                        *ptr = (char *)str;
                    return 0;
                }
                ++str;
                base = 16;
            } ...

最终，它将指针设置为指向扫描的最后一个字符——这是最后一个十六进制字符后的一个字符：

    if (ptr)
        *ptr = (char *)str;

谢谢

• 来自 reddit 的CSI_Tech_Dept将我引向了 tokenizer.c 文件中的正确部分。
• 原始推文。

Answer 2

其他答案已经说明究竟发生了什么。但对我来说，有趣的部分是即使数字和它之间没有空格，也能识别运算符。实际上，我的第一个想法是“哇，Python 有一个奇怪的解析器”。

但在过于苛刻之前，也许我应该问问其他朋友的看法：

珀尔：

$ perl -le 'print(0xfor 3)'
15

路亚：

$ lua5.3 -e 'print(0xfor 4)'
15

Awk 没有or，但它有in：

$ awk 'BEGIN { a[15]=1; print(0x0fin a); }'
1

红宝石？（我真的不知道，但让我们猜猜）：

$ ruby -e 'puts 0x0for 5'
15

是的，FWIW，Python 并不孤单，所有其他脚本类型的语言也能识别字母运算符，即使立即卡在数字常量的后面。

Answer 3

正如其他人所解释的那样，它只是0xf后跟操作符的十六进制数or。操作员通常不需要周围的空间，除非有必要避免歧义。在这种情况下，字母o不能是十六进制数的一部分，因此没有歧义。请参阅Python 语言参考中有关空格的部分。

由于短路评估，该行的其余部分没有被评估，当然，尽管它被解析和编译。

使用相同的“技巧”，您可以编写类似的混淆 Python 代码，不会抛出异常，例如：

>>> 0xbin b'in'
False
>>> 0xbis 1000
False
>>> 0b1and 0b1is 0b00
False
>>> 0o1if 0b1else Oy1then
1