`tokenize.md`

245 строк · 16.3 КБ · обычная страница · сырой текст · скачать
1> **Источник:** https://python-all.ru/3/library/tokenize.html2>3> «Документация Python на русском» – неофициальный перевод официальной документации Python: версии от 2.6 до 3.16, полнотекстовый поиск, английский оригинал рядом с переводом. Эта Markdown-версия страницы предназначена для работы с LLM: вставьте её в ChatGPT, Claude или Cursor.45---67# `tokenize` – Токенизатор исходного кода Python89**Исходный код:** [Lib/tokenize.py](https://python-all.ru/src/3.14/Lib/tokenize.py)1011---1213Модуль `tokenize` предоставляет лексический анализатор для исходного кода Python, реализованный на Python. Анализатор в этом модуле также возвращает комментарии в виде токенов, что делает его полезным для реализации «pretty-printers», включая цветовые выделители для отображения на экране.1415Чтобы упростить обработку потока токенов, все токены [операторов](https://python-all.ru/3/reference/lexical_analysis.html#operators) и [разделителей](https://python-all.ru/3/reference/lexical_analysis.html#delimiters), а также [`Ellipsis`](https://python-all.ru/3/library/constants.html#Ellipsis) возвращаются с использованием общего типа токена [`OP`](https://python-all.ru/3/library/token.html#token.OP). Точный tип можно определить, проверив свойство `exact_type` у [именованного кортежа](https://python-all.ru/3/glossary.html#term-named-tuple), возвращаемого функцией [`tokenize.tokenize()`](https://python-all.ru/3/library/tokenize.html#tokenize.tokenize).1617> **Предупреждение**18>19> Обратите внимание, что функции в этом модуле предназначены только для анализа синтаксически корректного кода Python (кода, который не вызывает ошибок при разборе с помощью [`ast.parse()`](https://python-all.ru/3/library/ast.html#ast.parse)). Поведение функций в этом модуле **не определено** при передаче некорректного кода Python и может измениться в любой момент.2021## Токенизация входных данных2223Основной точкой входа является [генератор](https://python-all.ru/3/glossary.html#term-generator):2425#### `tokenize.tokenize(readline)`2627Генератор `tokenize()` требует один аргумент, *readline*, который должен быть вызываемым объектом, предоставляющим тот же интерфейс, что и метод [`io.IOBase.readline()`](https://python-all.ru/3/library/io.html#io.IOBase.readline) файловых объектов. Каждый вызов функции должен возвращать одну строку входных данных в виде байтов.2829Генератор создаёт 5-кортежи со следующими элементами: тип токена; строка токена; 2-кортеж `(srow, scol)` из целых чисел, указывающих строку и столбец, где токен начинается в исходном коде; 2-кортеж `(erow, ecol)` из целых чисел, указывающих строку и столбец, где токен заканчивается; и строка, в которой был найден токен. Передаваемая строка (последний элемент кортежа) является *физической* строкой. 5-кортеж возвращается в виде [именованного кортежа](https://python-all.ru/3/glossary.html#term-named-tuple) с именами полей: `type string start end line`.3031Возвращаемый [именованный кортеж](https://python-all.ru/3/glossary.html#term-named-tuple) имеет дополнительное свойство с именем `exact_type`, которое содержит точный тип оператора для токенов [`OP`](https://python-all.ru/3/library/token.html#token.OP). Для всех остальных типов токенов `exact_type` равно полю `type` именованного кортежа.3233Изменено в версии 3.1: Добавлена поддержка именованных кортежей.3435Изменено в версии 3.3: Добавлена поддержка `exact_type`.3637`tokenize()` определяет исходную кодировку файла, проверяя наличие UTF-8 BOM или кодировочной метки, в соответствии с [**PEP 263**](https://python-all.ru/3/library/tokenize.html).3839#### `tokenize.generate_tokens(readline)`4041Токенизирует исходный код, читая строки Unicode вместо байтов.4243Как и [`tokenize()`](https://python-all.ru/3/library/tokenize.html#tokenize.tokenize), аргумент *readline* является вызываемым объектом, возвращающим одну строку входных данных. Однако `generate_tokens()` ожидает, что *readline* будет возвращать объект str, а не bytes.4445Результатом является итератор, возвращающий именованные кортежи, точно как [`tokenize()`](https://python-all.ru/3/library/tokenize.html#tokenize.tokenize). Он не возвращает токен [`ENCODING`](https://python-all.ru/3/library/token.html#token.ENCODING).4647Все константы из модуля [`token`](https://python-all.ru/3/library/token.html#module-token) также экспортируются из `tokenize`.4849Предоставляется ещё одна функция для обращения процесса токенизации. Это полезно для создания инструментов, которые токенизируют скрипт, изменяют поток токенов и записывают изменённый скрипт обратно.5051#### `tokenize.untokenize(iterable)`5253Преобразует токены обратно в исходный код Python. *Итерируемый объект* должен возвращать последовательности как минимум из двух элементов: типа токена и строки токена. Все дополнительные элементы последовательности игнорируются.5455Результат гарантированно токенизируется обратно в соответствии с входными данными, так что преобразование является без потерь, и гарантируется обратимость. Гарантия распространяется только на тип токена и строку токена, так как расстояние между токенами (позиции столбцов) может измениться.5657Он возвращает байты, закодированные с использованием токена [`ENCODING`](https://python-all.ru/3/library/token.html#token.ENCODING), который является первым токеном последовательности, выводимой [`tokenize()`](https://python-all.ru/3/library/tokenize.html#tokenize.tokenize). Если во входных данных нет токена кодировки, вместо этого возвращается str.5859[`tokenize()`](https://python-all.ru/3/library/tokenize.html#tokenize.tokenize) необходимо определить кодировку исходных файлов, которые он токенизирует. Функция, которую он использует для этого, доступна:6061#### `tokenize.detect_encoding(readline)`6263Функция `detect_encoding()` используется для определения кодировки, которая должна использоваться для декодирования файла исходного кода Python. Она требует один аргумент, readline, так же, как генератор [`tokenize()`](https://python-all.ru/3/library/tokenize.html#tokenize.tokenize).6465Она вызовет readline максимум дважды и вернёт используемую кодировку (в виде строки) и список любых строк (не декодированных из байтов), которые она прочитала .6667Он определяет кодировку по наличию UTF-8 BOM или кодировочной метки, как указано в [**PEP 263**](https://python-all.ru/3/library/tokenize.html). Если присутствуют и BOM, и метка, но они не согласуются, будет возбуждено [`SyntaxError`](https://python-all.ru/3/library/exceptions.html#SyntaxError). Обратите внимание: если найден BOM, в качестве кодировки будет возвращена `'utf-8-sig'`.6869Если кодировка не указана, то будет возвращено значение по умолчанию `'utf-8'`.7071Используйте [`open()`](https://python-all.ru/3/library/tokenize.html#tokenize.open) для открытия файлов исходного кода Python: он использует `detect_encoding()` для определения кодировки файла.7273#### `tokenize.open(filename)`7475Открывает файл в режиме только для чтения, используя кодировку, определённую с помощью [`detect_encoding()`](https://python-all.ru/3/library/tokenize.html#tokenize.detect_encoding).7677Добавлено в версии 3.2.7879#### `exception tokenize.TokenError`8081Возникает, когда докстринг или выражение, которое может быть разбито на несколько строк, не завершено нигде в файле, например:8283```python84"""Beginning of85docstring86```8788или:8990```python91[1,92 2,93 394```9596## Использование командной строки9798Добавлено в версии 3.3.99100Модуль `tokenize` может быть выполнен как скрипт из командной строки. Это просто:101102```sh103python -m tokenize [-e] [filename.py]104```105106Принимаются следующие опции:107108#### `-h, --help`109110показывает это справочное сообщение и завершает работу111112#### `-e, --exact`113114отображает имена токенов с использованием точного типа115116Если указан `filename.py`, его содержимое токенизируется в stdout. В противном случае токенизация выполняется из stdin.117118## Примеры119120Пример переписчика скриптов, преобразующего литералы чисел с плавающей запятой в объекты Decimal :121122```python123from tokenize import tokenize, untokenize, NUMBER, STRING, NAME, OP124from io import BytesIO125126def decistmt(s):127    """Заменяет значения float на Decimal.128129    >>> from decimal import Decimal130    >>> s = 'print(+21.3e-5*-.1234/81.7)'131    >>> decistmt(s)132    "print (+Decimal ('21.3e-5')*-Decimal ('.1234')/Decimal ('81.7'))"133134    Формат показателя степени наследуется от библиотеки C платформы.135    Известные случаи: "e-007" (Windows) и "e-07" (не Windows). Поскольку136    мы показываем только 12 цифр, а 13-я не близка к 5, остальная137    часть вывода должна быть независимой от платформы.138139    >>> exec(s)  #doctest: +ELLIPSIS140    -3.21716034272e-0...7141142    Результаты вычислений с Decimal должны быть одинаковыми на всех143    платформах.144145    >>> exec(decistmt(s))146    -3.217160342717258261933904529E-7147    """148    result = []149    g = tokenize(BytesIO(s.encode('utf-8')).readline)  # токенизировать строку150    for toknum, tokval, _, _, _ in g:151        if toknum == NUMBER and '.' in tokval:  # заменить токены NUMBER152            result.extend([153                (NAME, 'Decimal'),154                (OP, '('),155                (STRING, repr(tokval)),156                (OP, ')')157            ])158        else:159            result.append((toknum, tokval))160    return untokenize(result).decode('utf-8')161```162163Пример токенизации из командной строки. Скрипт:164165```python166def say_hello():167    print("Hello, World!")168169say_hello()170```171172будет токенизирован в следующий вывод, где первый столбец – это диапазон координат строки/столбца, где найден токен, второй столбец – имя токена, а последний столбец – значение токена (если есть)173174```console175$ python -m tokenize hello.py1760,0-0,0:            ENCODING       'utf-8'1771,0-1,3:            NAME           'def'1781,4-1,13:           NAME           'say_hello'1791,13-1,14:          OP             '('1801,14-1,15:          OP             ')'1811,15-1,16:          OP             ':'1821,16-1,17:          NEWLINE        '\n'1832,0-2,4:            INDENT         '    '1842,4-2,9:            NAME           'print'1852,9-2,10:           OP             '('1862,10-2,25:          STRING         '"Hello, World!"'1872,25-2,26:          OP             ')'1882,26-2,27:          NEWLINE        '\n'1893,0-3,1:            NL             '\n'1904,0-4,0:            DEDENT         ''1914,0-4,9:            NAME           'say_hello'1924,9-4,10:           OP             '('1934,10-4,11:          OP             ')'1944,11-4,12:          NEWLINE        '\n'1955,0-5,0:            ENDMARKER      ''196```197198Точные имена типов токенов можно отобразить с помощью опции [`-e`](https://python-all.ru/3/library/tokenize.html#cmdoption-tokenize-e):199200```console201$ python -m tokenize -e hello.py2020,0-0,0:            ENCODING       'utf-8'2031,0-1,3:            NAME           'def'2041,4-1,13:           NAME           'say_hello'2051,13-1,14:          LPAR           '('2061,14-1,15:          RPAR           ')'2071,15-1,16:          COLON          ':'2081,16-1,17:          NEWLINE        '\n'2092,0-2,4:            INDENT         '    '2102,4-2,9:            NAME           'print'2112,9-2,10:           LPAR           '('2122,10-2,25:          STRING         '"Hello, World!"'2132,25-2,26:          RPAR           ')'2142,26-2,27:          NEWLINE        '\n'2153,0-3,1:            NL             '\n'2164,0-4,0:            DEDENT         ''2174,0-4,9:            NAME           'say_hello'2184,9-4,10:           LPAR           '('2194,10-4,11:          RPAR           ')'2204,11-4,12:          NEWLINE        '\n'2215,0-5,0:            ENDMARKER      ''222```223224Пример программной токенизации файла: чтение строк Unicode вместо байтов с помощью [`generate_tokens()`](https://python-all.ru/3/library/tokenize.html#tokenize.generate_tokens):225226```python227import tokenize228229with tokenize.open('hello.py') as f:230    tokens = tokenize.generate_tokens(f.readline)231    for token in tokens:232        print(token)233```234235Или чтение байтов напрямую с помощью [`tokenize()`](https://python-all.ru/3/library/tokenize.html#tokenize.tokenize):236237```python238import tokenize239240with open('hello.py', 'rb') as f:241    tokens = tokenize.tokenize(f.readline)242    for token in tokens:243        print(token)244```245