Pythonトランスパイラーチェーン→11l→C ++ [Pythonコードの高速化など]

スライスとスライスを範囲で置き換える

s[-1] s[-2] s[:-1] s[1:] s[:2] s[1:2] s[::2] s[1::2] s[3:10:2] 

 s.last s[(len)-2] s[0..<(len)-1] s[1..] s[0..<2] s[1..<2] s[(0..).step(2)] s[(1..).step(2)] s[(3..<10).step(2)] 

1. たとえば、 s[i-1]で前の文字を取得する必要がある場合、i = 0の場合、このような/エラーの代わりにこのレコードは文字列の最後の文字をサイレントに返します[ そして実際、このerror- commitに遭遇しました ] 。
2. i = s.find(":")後の式s[i:]は、文字列[ 最初の文字から始まる文字列の ''部分ではなく、文字列の最後の文字が取得される場合 ] Pythonのfind()関数で-1を返す ことも間違っていると思います[ null / Noneを返す必要があります。-1が必要な場合は、明示的に記述する必要がありますi = s.find(":") ?? -1 ] ] ）
3. 文字列の最後のn文字を取得するs[-n:]書き込みは、n = 0の場合は正しく機能しません。

比較演算子のチェーン

リストの理解

1. Pythonのリストの理解を見たすべての場所で、関数 `filter（）`と `map（）`で簡単に取得できます。

    dirs[:] = [d for d in dirs if d[0] != '.' and d != exclude_dir] dirs[:] = filter(lambda d: d[0] != '.' and d != exclude_dir, dirs) '[' + ', '.join(python_types_to_11l[ty] for ty in self.type_args) + ']' '[' + ', '.join(map(lambda ty: python_types_to_11l[ty], self.type_args)) + ']' # Nested list comprehension: matrix = [ [1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12], ] [[row[i] for row in matrix] for i in range(4)] list(map(lambda i: list(map(lambda row: row[i], matrix)), range(4))) 

2. 11lの `filter（）`と `map（）`はPythonよりもきれいに見える

    dirs[:] = filter(lambda d: d[0] != '.' and d != exclude_dir, dirs) dirs = dirs.filter(d -> d[0] != '.' & d != @exclude_dir) '[' + ', '.join(map(lambda ty: python_types_to_11l[ty], self.type_args)) + ']' '['(.type_args.map(ty -> :python_types_to_11l[ty]).join(', '))']' outfile.write("\n".join(x[1] for x in fileslist if x[0])) outfile.write("\n".join(map(lambda x: x[1], filter(lambda x: x[0], fileslist)))) outfile.write(fileslist.filter(x -> x[0]).map(x -> x[1]).join("\n")) 

   その結果、11lのリスト内包表記の必要性は実際になくなります[ リスト内包表記のfilter()および/またはmap()と の 置き換えは、Pythonコードを11lに自動的に変換するときに実行されます ] 。

if-elif-elseチェーンをスイッチに変換します

 ch = instr[i] if ch == "[": nesting_level += 1 elif ch == "]": nesting_level -= 1 if nesting_level == 0: break elif ch == "'": ending_tags.append(''') # '' elif ch == "'": assert(ending_tags.pop() == ''') 

 switch instr[i] '[' nesting_level++ ']' if --nesting_level == 0 loop.break "'" ending_tags.append("'") // '' "'" assert(ending_tags.pop() == "'") 

 switch (instr[i]) { case u'[': nesting_level++; break; case u']': if (--nesting_level == 0) goto break_; break; case u''': ending_tags.append(u"'"_S); break; // '' case u''': assert(ending_tags.pop() == u'''); break; } 

小さな辞書をネイティブコードに変換する

 tag = {'*':'b', '_':'u', '-':'s', '~':'i'}[prev_char()] 

 var tag = switch prev_char() {'*' {'b'}; '_' {'u'}; '-' {'s'}; '~' {'i'}} 

 auto tag = [&](const auto &a){return a == u'*' ? u'b'_C : a == u'_' ? u'u'_C : a == u'-' ? u's'_C : a == u'~' ? u'i'_C : throw KeyError(a);}(prev_char()); 

 rn = {'I': 1, 'V': 5, 'X': 10, 'L': 50, ...} 

 var rn = ['I' = 1, 'V' = 5, 'X' = 10, 'L' = 50, ...] 

 auto rn = create_dict(dict_of(u'I'_C, 1)(u'V'_C, 5)(u'X'_C, 10)(u'L'_C, 50)...); 

外部変数をキャプチャする

 writepos = 0 def write_to_pos(pos, npos): nonlocal writepos outfile.write(...) writepos = npos 

 var writepos = 0 fn write_to_pos(pos, npos) @outfile.write(...) @writepos = npos 

 auto writepos = 0; auto write_to_pos = [..., &outfile, &writepos](const auto &pos, const auto &npos) { outfile.write(...); writepos = npos; }; 

グローバル変数

 break_label_index = -1 ... def parse(tokens, source_): global source, tokeni, token, scope source = source_ tokeni = -1 token = None break_label_index = -1 scope = Scope(None) ... 

 var break_label_index = -1 ... fn parse(tokens, source_) :source = source_ :tokeni = -1 :token = null break_label_index = -1 :scope = Scope(null) ... 

現在のコンテナアイテムのインデックス/番号

 items = ['A', 'B', 'C'] for index, item in enumerate(items): print(str(index) + ' = ' + item) 

 var items = ['A', 'B', 'C'] loop(item) items print(loop.index' = 'item) 

性能

次に、Python→11l→C ++トランスポーターによって生成された実装を図に追加します。

ランタイム[ 488Kbファイル変換時間 ]は、CPythonでは868ミリ秒、生成されたC ++コードでは38ミリ秒でした[ 今回は本格的な[ つまり、 RAM内のデータを操作するだけではなく ]オペレーティングシステムとすべての入出力によってプログラムを実行する[ ソースファイル[ .pq ]を読み取り、新しいファイル[ .html ]をディスクに保存する ] ] 。

Shed Skinも試してみたかったのですが、ローカル機能をサポートしていません。
Numbaも使用できませんでした（「不明なオペコードLOAD_BUILD_CLASSの使用」エラーがスローされます）。
これは、パフォーマンスを比較するために使用されるプログラムのアーカイブです（ Windowsの場合 ） （Python 3.6以降が必要で、次のPythonパッケージが必要です：pywin32、cython）。