Disassembler, Syntax Tree und Flow Graph

Python bietet mächtige Werkzeuge zur Analyse und Transformation von Code, insbesondere auf niedriger Ebene. In dieser Referenz betrachten wir drei wichtige Konzepte: den Disassembler, den Syntaxbaum (AST) und den Kontrollflussgraphen.

1 Disassembler mit dis

Das Modul dis zeigt die Bytecode-Instruktionen, die vom Python-Interpreter ausgeführt werden. Es ist nützlich zur Fehleranalyse, Optimierung und beim Verständnis, wie Python intern arbeitet.

1.1 Beispiel: Disassemblieren einer Funktion

import dis

def greet(name):
    return 'Hello ' + name

# Ausgabe des Bytecodes
dis.dis(greet)

Erklärung:

• dis.dis() zeigt die Bytecode-Instruktionen.
• Man sieht z. B. LOAD_CONST, LOAD_FAST, BINARY_ADD, RETURN_VALUE.

2 Syntax Tree (AST – Abstract Syntax Tree)

Das ast-Modul ermöglicht es, Python-Code als abstrakten Syntaxbaum zu analysieren und zu manipulieren. So kann man z. B. Programme transformieren oder statisch untersuchen.

2.1 Beispiel: AST eines Ausdrucks erzeugen

import ast

source_code = 'x + 2'
tree = ast.parse(source_code, mode='eval')

# AST-Struktur anzeigen
print(ast.dump(tree, indent=4))

Erklärung:

• ast.parse() erzeugt den Syntaxbaum.
• ast.dump() gibt ihn als lesbare Struktur aus.
• Ideal zur statischen Codeanalyse oder Code-Transformation.

2.2 Beispiel: AST eines Moduls mit Funktion

code = '''
def square(x):
    return x * x
'''

parsed = ast.parse(code)
print(ast.dump(parsed, indent=4))

3 AST Traversierung mit NodeVisitor

Man kann mit ast.NodeVisitor eigene Besucher-Klassen schreiben, um gezielt über den Baum zu laufen.

class FunctionLister(ast.NodeVisitor):
    def visit_FunctionDef(self, node):
        print(f'Found function: {node.name}')
        self.generic_visit(node)

tree = ast.parse('''
def hello(): pass
def goodbye(): pass
''')

FunctionLister().visit(tree)

Erklärung:

• visit_FunctionDef wird bei jeder Funktionsdefinition aufgerufen.
• generic_visit() sorgt für rekursive Durchläufe.

4 AST-Modifikation mit NodeTransformer

Mit NodeTransformer kann man den AST direkt verändern:

class ConstFolder(ast.NodeTransformer):
    def visit_BinOp(self, node):
        self.generic_visit(node)
        if (isinstance(node.left, ast.Constant) and
            isinstance(node.right, ast.Constant)):
            return ast.Constant(value=eval(compile(ast.Expression(node), '', 'eval')))
        return node

tree = ast.parse('x = 2 + 3')
new_tree = ConstFolder().visit(tree)
print(ast.dump(new_tree, indent=4))

Erklärung:

• Diese Transformation ersetzt 2 + 3 durch 5.
• Praktisch für Optimierungen.

5 Flow Graph / Kontrollflussgraph

Python bietet keine Standardbibliothek für Flow-Graphs, aber man kann z. B. bytecode, cfg, oder externe Tools wie pycfg oder astmonkey verwenden.

Ein einfacher Kontrollflussgraph kann durch manuelle Analyse des AST oder Bytecodes entstehen.

5.1 Beispiel: Kontrolle über Sprungbefehle im Bytecode

import dis

def conditional(x):
    if x > 0:
        return 'positive'
    else:
        return 'non-positive'

dis.dis(conditional)

Erklärung:

• Man erkennt POP_JUMP_IF_FALSE und entsprechende Sprungziele.
• Diese lassen sich zu einem Flow Graph zusammensetzen.

5.2 Tools für CFG-Visualisierung

• pycfg
• pyflowchart
• bytecode

Diese Tools erzeugen z. B. DOT-Dateien, aus denen mit Graphviz Diagramme generiert werden können.

6 Fazit

Diese Werkzeuge sind besonders nützlich für Debugging, Optimierung, Sicherheitsanalysen oder eigene Python-Compiler/Interpreter-Projekte.