b18d57fa384e8a417086e4e8471f2a6d838674b1
背景(prof 基线 PROF/20260930_224857,主进程 433.69s):正则这一族合计 ≈45s —— `re.match`(未预编译入口)被调 1970 万次 / 自身 10.70s、它内部 `Pattern.match` 占 8.06s, `re._compile`(缓存查找)1975 万次 / 7.19s,`re._make`(真正编译)274 万次 / 7.62s (说明 re 的 512 条缓存已被打穿,每 7 次调用就有 1 次重新编译)。 每次 `re.match(字面量, s)` 都要做"模式串哈希 → 缓存查找";预编译后这层全省掉。 改动:把 15 个文件里 97 处"字面量当模式"的 `re.match/search/sub/subn/fullmatch/ findall/finditer/split(...)` 提升为模块级 `_RE_*: re.Pattern[str] = re.compile(...)`, 共 115 个调用点(含同字面量跨处共用)。模式串与 flags 一字未改(flags 从调用处 搬进 re.compile,含原先以**位置参数**传入的 flags)。4 处拼接型动态模式按设计不动 (FuncGen 2 处、HandlesImports 2 处)。 核验(不靠肉眼):写了 AST 指纹对拍脚本,对每个文件取 HEAD 版与新工作区版,把 "旧 re.<m>(字面量, 其余实参, 关键字) + flags" 与 "新 _RE_X.<m>(实参, 关键字) + 常量 (模式, flags)" 做多重集比对 —— 15 个文件、115 个调用点全部逐一等价(0 失败), 另查无重名常量、无遗留字面量调用、GetDiagnostics 全空。 对拍过程中查出一处子代理抄写错误:`_RE_GLOBAL_DSOLOCAL_MULTILINE` 丢了行首锚 `^` (原文注释明确"使用 ^ + MULTILINE 避免匹配字符串常量内容中的 define/declare"),已修正。 同轮经查证后**未做改动**的两项(避免把假热点当真事修): - VLogger 的 `re.sub` 6.43s:profile 当时的 VLogger 版本里根本没有 `import re` (`git show 3658ab06:lib/core/VLogger.py` 已确认),属 C 帧错挂,不做。 - tokenize 274 万次:那是 `_generate_tokens_from_c_tokenizer` 的 **token 产出次数** (≈350 个整文件的词法量),SymbolUtils 的 4 个 tokenize 调用点 nc 仅数百,且已有 `_EXPAND_CACHE` 去重;再加一层 token 缓存无收益,不做。
TransPyC
TransPyC 是一种基于 Python 语法的系统级编程语言编译器,将 Python 子集(通过 t/c 模块类型注解赋予 LLVM 语义)编译为原生机器码。它不是 Python 的子集,也不是 C 的语法糖——它拥有独立的类型系统、两阶段编译模型和 SHA1 命名空间机制,适用于操作系统内核、嵌入式系统、驱动程序等底层开发场景。
能力证明
TransPyC 已用自身实现以下组件,证明其作为系统级语言的成熟度:
- ViperOS —— 真实操作系统内核(ViperOS/),含 gdt/idt/isr/mm/sched,可在 QEMU 启动
- 自研 Python 解析器 —— includes/ast/(4,176 LOC),用 TransPyC 自己写的词法+语法+AST,覆盖 CPython 几乎全部语法
- 自研 LLVM IR 生成库 —— includes/llvmlite/(~1,500 LOC),用 TransPyC 自己写的 IR 文本生成器,18/18 测试通过
- zlib 移植 —— Test/ZlibTest/,完整 deflate/inflate/huffman/checksum(~1,900 LOC)
- Win32 FFI 绑定 —— includes/w32/,file/memory/process/sync/console 全覆盖
- 泛型容器 —— includes/linkedlist.vp,
@t.NoVTable+ PEP 695 递归泛型继承class GNode(GSListNode[GNode])
核心设计理念
- Python 语法,LLVM 语义:源文件是合法的 Python 语法,但通过
t模块类型注解赋予 LLVM 级别的语义 - 类型注解即编译指令:类型注解决定 LLVM IR 的生成,不是可选的提示
- 两阶段编译:先提取声明接口(
.vpi+.stub.ll),再翻译源文件为含代码的.ll - SHA1 命名空间:每个源文件按内容 SHA1 哈希命名,自动消除跨模块符号冲突
- 零运行时开销:编译为原生代码,无 GC、无解释器、无虚拟机
自举进展
TransPyC 正在追求完全自举——用 TransPyC 重写 TransPyC 编译器自身。当前状态:
- ✅ 前端:
includes/ast/已替代 Pythonast模块依赖 - ✅ 后端:
includes/llvmlite/已替代 Pythonllvmlite依赖 - ⏳ 中间层:
lib/core(~20K LOC)待用 TransPyC 重写
模块总览
Viper 语言通过两个核心模块提供类型和操作支持:
| 模块 | 用途 | 导入方式 |
|---|---|---|
t |
类型定义系统 | import t |
c |
C 语言操作指令 | import c |
快速上手
- 环境:Python 3.12+、LLVM(llc/clang)、Windows(当前主平台)
- 构建项目:在项目目录运行
python ../Projectrans.py build(详见 wiki/12-project.md) - 示例:参考 Test/ 下 30+ 测试项目(AstTest/ZlibTest/NoVTableTest/LLvmLiteTest 等)
- 写第一个程序:
import t, c
from stdint import *
import stdio
def main() -> CInt | CExport:
stdio.printf("Hello, Viper!\n")
return 0
文档索引
| 文件 | 内容 |
|---|---|
| 01-overview.md | 语言概述、两阶段编译流程、SHA1 命名空间、t.CDefine/t.CExport/t.CInline 深度解析 |
| 02-type-system.md | 类型系统(基本类型、指针、数组、结构体、联合体、枚举、typedef、__attribute__) |
| 03-variables.md | 变量声明与赋值(含 t.CDefine 常量) |
| 04-functions.md | 函数定义与调用(含 t.CExport、t.CInline、t.CDefine 函数、-> tuple[...] 多返回值) |
| 05-classes.md | 类与数据布局(结构体、联合体、枚举、typedef、位域) |
| 06-oop.md | 面向对象与运算符重载(@t.Object、@t.CVTable、@t.NoVTable、继承、dunder 方法) |
| 07-control-flow.md | 控制流(条件、循环、match) |
| 08-c-operations.md | C 语言操作(指针、内联汇编、FFI 外部函数声明、LLVM IR 内联) |
| 09-exceptions.md | 异常处理 |
| 10-imports.md | 模块与导入系统(存根生成、SHA1 命名空间与导入) |
| 11-builtins.md | 内置函数与运算符 |
| 12-project.md | 项目配置与构建(增量编译、SHA1 映射) |
| 13-bootstrapping.md | 自举可行性分析(当前进展、剩余工作、路径规划) |
Description
A new language using Python syntax that achieves the speed of C/C++ and the ease of use of Python.
44 MiB
0 Stars
1 Watchers
0 Forks
Languages
Python
93.7%
C
6.3%