home *** CD-ROM | disk | FTP | other *** search
/ PC World 2007 March / PCWorld_2007-03_cd.bin / domacnost a kancelar / scribus / scribus-1.3.3.7-win32-install.exe / lib / pickletools.py < prev    next >
Text File  |  2004-11-18  |  76KB  |  2,247 lines

  1. '''"Executable documentation" for the pickle module.
  2.  
  3. Extensive comments about the pickle protocols and pickle-machine opcodes
  4. can be found here.  Some functions meant for external use:
  5.  
  6. genops(pickle)
  7.    Generate all the opcodes in a pickle, as (opcode, arg, position) triples.
  8.  
  9. dis(pickle, out=None, memo=None, indentlevel=4)
  10.    Print a symbolic disassembly of a pickle.
  11. '''
  12.  
  13. __all__ = ['dis',
  14.            'genops',
  15.           ]
  16.  
  17. # Other ideas:
  18. #
  19. # - A pickle verifier:  read a pickle and check it exhaustively for
  20. #   well-formedness.  dis() does a lot of this already.
  21. #
  22. # - A protocol identifier:  examine a pickle and return its protocol number
  23. #   (== the highest .proto attr value among all the opcodes in the pickle).
  24. #   dis() already prints this info at the end.
  25. #
  26. # - A pickle optimizer:  for example, tuple-building code is sometimes more
  27. #   elaborate than necessary, catering for the possibility that the tuple
  28. #   is recursive.  Or lots of times a PUT is generated that's never accessed
  29. #   by a later GET.
  30.  
  31.  
  32. """
  33. "A pickle" is a program for a virtual pickle machine (PM, but more accurately
  34. called an unpickling machine).  It's a sequence of opcodes, interpreted by the
  35. PM, building an arbitrarily complex Python object.
  36.  
  37. For the most part, the PM is very simple:  there are no looping, testing, or
  38. conditional instructions, no arithmetic and no function calls.  Opcodes are
  39. executed once each, from first to last, until a STOP opcode is reached.
  40.  
  41. The PM has two data areas, "the stack" and "the memo".
  42.  
  43. Many opcodes push Python objects onto the stack; e.g., INT pushes a Python
  44. integer object on the stack, whose value is gotten from a decimal string
  45. literal immediately following the INT opcode in the pickle bytestream.  Other
  46. opcodes take Python objects off the stack.  The result of unpickling is
  47. whatever object is left on the stack when the final STOP opcode is executed.
  48.  
  49. The memo is simply an array of objects, or it can be implemented as a dict
  50. mapping little integers to objects.  The memo serves as the PM's "long term
  51. memory", and the little integers indexing the memo are akin to variable
  52. names.  Some opcodes pop a stack object into the memo at a given index,
  53. and others push a memo object at a given index onto the stack again.
  54.  
  55. At heart, that's all the PM has.  Subtleties arise for these reasons:
  56.  
  57. + Object identity.  Objects can be arbitrarily complex, and subobjects
  58.   may be shared (for example, the list [a, a] refers to the same object a
  59.   twice).  It can be vital that unpickling recreate an isomorphic object
  60.   graph, faithfully reproducing sharing.
  61.  
  62. + Recursive objects.  For example, after "L = []; L.append(L)", L is a
  63.   list, and L[0] is the same list.  This is related to the object identity
  64.   point, and some sequences of pickle opcodes are subtle in order to
  65.   get the right result in all cases.
  66.  
  67. + Things pickle doesn't know everything about.  Examples of things pickle
  68.   does know everything about are Python's builtin scalar and container
  69.   types, like ints and tuples.  They generally have opcodes dedicated to
  70.   them.  For things like module references and instances of user-defined
  71.   classes, pickle's knowledge is limited.  Historically, many enhancements
  72.   have been made to the pickle protocol in order to do a better (faster,
  73.   and/or more compact) job on those.
  74.  
  75. + Backward compatibility and micro-optimization.  As explained below,
  76.   pickle opcodes never go away, not even when better ways to do a thing
  77.   get invented.  The repertoire of the PM just keeps growing over time.
  78.   For example, protocol 0 had two opcodes for building Python integers (INT
  79.   and LONG), protocol 1 added three more for more-efficient pickling of short
  80.   integers, and protocol 2 added two more for more-efficient pickling of
  81.   long integers (before protocol 2, the only ways to pickle a Python long
  82.   took time quadratic in the number of digits, for both pickling and
  83.   unpickling).  "Opcode bloat" isn't so much a subtlety as a source of
  84.   wearying complication.
  85.  
  86.  
  87. Pickle protocols:
  88.  
  89. For compatibility, the meaning of a pickle opcode never changes.  Instead new
  90. pickle opcodes get added, and each version's unpickler can handle all the
  91. pickle opcodes in all protocol versions to date.  So old pickles continue to
  92. be readable forever.  The pickler can generally be told to restrict itself to
  93. the subset of opcodes available under previous protocol versions too, so that
  94. users can create pickles under the current version readable by older
  95. versions.  However, a pickle does not contain its version number embedded
  96. within it.  If an older unpickler tries to read a pickle using a later
  97. protocol, the result is most likely an exception due to seeing an unknown (in
  98. the older unpickler) opcode.
  99.  
  100. The original pickle used what's now called "protocol 0", and what was called
  101. "text mode" before Python 2.3.  The entire pickle bytestream is made up of
  102. printable 7-bit ASCII characters, plus the newline character, in protocol 0.
  103. That's why it was called text mode.  Protocol 0 is small and elegant, but
  104. sometimes painfully inefficient.
  105.  
  106. The second major set of additions is now called "protocol 1", and was called
  107. "binary mode" before Python 2.3.  This added many opcodes with arguments
  108. consisting of arbitrary bytes, including NUL bytes and unprintable "high bit"
  109. bytes.  Binary mode pickles can be substantially smaller than equivalent
  110. text mode pickles, and sometimes faster too; e.g., BININT represents a 4-byte
  111. int as 4 bytes following the opcode, which is cheaper to unpickle than the
  112. (perhaps) 11-character decimal string attached to INT.  Protocol 1 also added
  113. a number of opcodes that operate on many stack elements at once (like APPENDS
  114. and SETITEMS), and "shortcut" opcodes (like EMPTY_DICT and EMPTY_TUPLE).
  115.  
  116. The third major set of additions came in Python 2.3, and is called "protocol
  117. 2".  This added:
  118.  
  119. - A better way to pickle instances of new-style classes (NEWOBJ).
  120.  
  121. - A way for a pickle to identify its protocol (PROTO).
  122.  
  123. - Time- and space- efficient pickling of long ints (LONG{1,4}).
  124.  
  125. - Shortcuts for small tuples (TUPLE{1,2,3}}.
  126.  
  127. - Dedicated opcodes for bools (NEWTRUE, NEWFALSE).
  128.  
  129. - The "extension registry", a vector of popular objects that can be pushed
  130.   efficiently by index (EXT{1,2,4}).  This is akin to the memo and GET, but
  131.   the registry contents are predefined (there's nothing akin to the memo's
  132.   PUT).
  133.  
  134. Another independent change with Python 2.3 is the abandonment of any
  135. pretense that it might be safe to load pickles received from untrusted
  136. parties -- no sufficient security analysis has been done to guarantee
  137. this and there isn't a use case that warrants the expense of such an
  138. analysis.
  139.  
  140. To this end, all tests for __safe_for_unpickling__ or for
  141. copy_reg.safe_constructors are removed from the unpickling code.
  142. References to these variables in the descriptions below are to be seen
  143. as describing unpickling in Python 2.2 and before.
  144. """
  145.  
  146. # Meta-rule:  Descriptions are stored in instances of descriptor objects,
  147. # with plain constructors.  No meta-language is defined from which
  148. # descriptors could be constructed.  If you want, e.g., XML, write a little
  149. # program to generate XML from the objects.
  150.  
  151. ##############################################################################
  152. # Some pickle opcodes have an argument, following the opcode in the
  153. # bytestream.  An argument is of a specific type, described by an instance
  154. # of ArgumentDescriptor.  These are not to be confused with arguments taken
  155. # off the stack -- ArgumentDescriptor applies only to arguments embedded in
  156. # the opcode stream, immediately following an opcode.
  157.  
  158. # Represents the number of bytes consumed by an argument delimited by the
  159. # next newline character.
  160. UP_TO_NEWLINE = -1
  161.  
  162. # Represents the number of bytes consumed by a two-argument opcode where
  163. # the first argument gives the number of bytes in the second argument.
  164. TAKEN_FROM_ARGUMENT1 = -2   # num bytes is 1-byte unsigned int
  165. TAKEN_FROM_ARGUMENT4 = -3   # num bytes is 4-byte signed little-endian int
  166.  
  167. class ArgumentDescriptor(object):
  168.     __slots__ = (
  169.         # name of descriptor record, also a module global name; a string
  170.         'name',
  171.  
  172.         # length of argument, in bytes; an int; UP_TO_NEWLINE and
  173.         # TAKEN_FROM_ARGUMENT{1,4} are negative values for variable-length
  174.         # cases
  175.         'n',
  176.  
  177.         # a function taking a file-like object, reading this kind of argument
  178.         # from the object at the current position, advancing the current
  179.         # position by n bytes, and returning the value of the argument
  180.         'reader',
  181.  
  182.         # human-readable docs for this arg descriptor; a string
  183.         'doc',
  184.     )
  185.  
  186.     def __init__(self, name, n, reader, doc):
  187.         assert isinstance(name, str)
  188.         self.name = name
  189.  
  190.         assert isinstance(n, int) and (n >= 0 or
  191.                                        n in (UP_TO_NEWLINE,
  192.                                              TAKEN_FROM_ARGUMENT1,
  193.                                              TAKEN_FROM_ARGUMENT4))
  194.         self.n = n
  195.  
  196.         self.reader = reader
  197.  
  198.         assert isinstance(doc, str)
  199.         self.doc = doc
  200.  
  201. from struct import unpack as _unpack
  202.  
  203. def read_uint1(f):
  204.     r"""
  205.     >>> import StringIO
  206.     >>> read_uint1(StringIO.StringIO('\xff'))
  207.     255
  208.     """
  209.  
  210.     data = f.read(1)
  211.     if data:
  212.         return ord(data)
  213.     raise ValueError("not enough data in stream to read uint1")
  214.  
  215. uint1 = ArgumentDescriptor(
  216.             name='uint1',
  217.             n=1,
  218.             reader=read_uint1,
  219.             doc="One-byte unsigned integer.")
  220.  
  221.  
  222. def read_uint2(f):
  223.     r"""
  224.     >>> import StringIO
  225.     >>> read_uint2(StringIO.StringIO('\xff\x00'))
  226.     255
  227.     >>> read_uint2(StringIO.StringIO('\xff\xff'))
  228.     65535
  229.     """
  230.  
  231.     data = f.read(2)
  232.     if len(data) == 2:
  233.         return _unpack("<H", data)[0]
  234.     raise ValueError("not enough data in stream to read uint2")
  235.  
  236. uint2 = ArgumentDescriptor(
  237.             name='uint2',
  238.             n=2,
  239.             reader=read_uint2,
  240.             doc="Two-byte unsigned integer, little-endian.")
  241.  
  242.  
  243. def read_int4(f):
  244.     r"""
  245.     >>> import StringIO
  246.     >>> read_int4(StringIO.StringIO('\xff\x00\x00\x00'))
  247.     255
  248.     >>> read_int4(StringIO.StringIO('\x00\x00\x00\x80')) == -(2**31)
  249.     True
  250.     """
  251.  
  252.     data = f.read(4)
  253.     if len(data) == 4:
  254.         return _unpack("<i", data)[0]
  255.     raise ValueError("not enough data in stream to read int4")
  256.  
  257. int4 = ArgumentDescriptor(
  258.            name='int4',
  259.            n=4,
  260.            reader=read_int4,
  261.            doc="Four-byte signed integer, little-endian, 2's complement.")
  262.  
  263.  
  264. def read_stringnl(f, decode=True, stripquotes=True):
  265.     r"""
  266.     >>> import StringIO
  267.     >>> read_stringnl(StringIO.StringIO("'abcd'\nefg\n"))
  268.     'abcd'
  269.  
  270.     >>> read_stringnl(StringIO.StringIO("\n"))
  271.     Traceback (most recent call last):
  272.     ...
  273.     ValueError: no string quotes around ''
  274.  
  275.     >>> read_stringnl(StringIO.StringIO("\n"), stripquotes=False)
  276.     ''
  277.  
  278.     >>> read_stringnl(StringIO.StringIO("''\n"))
  279.     ''
  280.  
  281.     >>> read_stringnl(StringIO.StringIO('"abcd"'))
  282.     Traceback (most recent call last):
  283.     ...
  284.     ValueError: no newline found when trying to read stringnl
  285.  
  286.     Embedded escapes are undone in the result.
  287.     >>> read_stringnl(StringIO.StringIO(r"'a\n\\b\x00c\td'" + "\n'e'"))
  288.     'a\n\\b\x00c\td'
  289.     """
  290.  
  291.     data = f.readline()
  292.     if not data.endswith('\n'):
  293.         raise ValueError("no newline found when trying to read stringnl")
  294.     data = data[:-1]    # lose the newline
  295.  
  296.     if stripquotes:
  297.         for q in "'\"":
  298.             if data.startswith(q):
  299.                 if not data.endswith(q):
  300.                     raise ValueError("strinq quote %r not found at both "
  301.                                      "ends of %r" % (q, data))
  302.                 data = data[1:-1]
  303.                 break
  304.         else:
  305.             raise ValueError("no string quotes around %r" % data)
  306.  
  307.     # I'm not sure when 'string_escape' was added to the std codecs; it's
  308.     # crazy not to use it if it's there.
  309.     if decode:
  310.         data = data.decode('string_escape')
  311.     return data
  312.  
  313. stringnl = ArgumentDescriptor(
  314.                name='stringnl',
  315.                n=UP_TO_NEWLINE,
  316.                reader=read_stringnl,
  317.                doc="""A newline-terminated string.
  318.  
  319.                    This is a repr-style string, with embedded escapes, and
  320.                    bracketing quotes.
  321.                    """)
  322.  
  323. def read_stringnl_noescape(f):
  324.     return read_stringnl(f, decode=False, stripquotes=False)
  325.  
  326. stringnl_noescape = ArgumentDescriptor(
  327.                         name='stringnl_noescape',
  328.                         n=UP_TO_NEWLINE,
  329.                         reader=read_stringnl_noescape,
  330.                         doc="""A newline-terminated string.
  331.  
  332.                         This is a str-style string, without embedded escapes,
  333.                         or bracketing quotes.  It should consist solely of
  334.                         printable ASCII characters.
  335.                         """)
  336.  
  337. def read_stringnl_noescape_pair(f):
  338.     r"""
  339.     >>> import StringIO
  340.     >>> read_stringnl_noescape_pair(StringIO.StringIO("Queue\nEmpty\njunk"))
  341.     'Queue Empty'
  342.     """
  343.  
  344.     return "%s %s" % (read_stringnl_noescape(f), read_stringnl_noescape(f))
  345.  
  346. stringnl_noescape_pair = ArgumentDescriptor(
  347.                              name='stringnl_noescape_pair',
  348.                              n=UP_TO_NEWLINE,
  349.                              reader=read_stringnl_noescape_pair,
  350.                              doc="""A pair of newline-terminated strings.
  351.  
  352.                              These are str-style strings, without embedded
  353.                              escapes, or bracketing quotes.  They should
  354.                              consist solely of printable ASCII characters.
  355.                              The pair is returned as a single string, with
  356.                              a single blank separating the two strings.
  357.                              """)
  358.  
  359. def read_string4(f):
  360.     r"""
  361.     >>> import StringIO
  362.     >>> read_string4(StringIO.StringIO("\x00\x00\x00\x00abc"))
  363.     ''
  364.     >>> read_string4(StringIO.StringIO("\x03\x00\x00\x00abcdef"))
  365.     'abc'
  366.     >>> read_string4(StringIO.StringIO("\x00\x00\x00\x03abcdef"))
  367.     Traceback (most recent call last):
  368.     ...
  369.     ValueError: expected 50331648 bytes in a string4, but only 6 remain
  370.     """
  371.  
  372.     n = read_int4(f)
  373.     if n < 0:
  374.         raise ValueError("string4 byte count < 0: %d" % n)
  375.     data = f.read(n)
  376.     if len(data) == n:
  377.         return data
  378.     raise ValueError("expected %d bytes in a string4, but only %d remain" %
  379.                      (n, len(data)))
  380.  
  381. string4 = ArgumentDescriptor(
  382.               name="string4",
  383.               n=TAKEN_FROM_ARGUMENT4,
  384.               reader=read_string4,
  385.               doc="""A counted string.
  386.  
  387.               The first argument is a 4-byte little-endian signed int giving
  388.               the number of bytes in the string, and the second argument is
  389.               that many bytes.
  390.               """)
  391.  
  392.  
  393. def read_string1(f):
  394.     r"""
  395.     >>> import StringIO
  396.     >>> read_string1(StringIO.StringIO("\x00"))
  397.     ''
  398.     >>> read_string1(StringIO.StringIO("\x03abcdef"))
  399.     'abc'
  400.     """
  401.  
  402.     n = read_uint1(f)
  403.     assert n >= 0
  404.     data = f.read(n)
  405.     if len(data) == n:
  406.         return data
  407.     raise ValueError("expected %d bytes in a string1, but only %d remain" %
  408.                      (n, len(data)))
  409.  
  410. string1 = ArgumentDescriptor(
  411.               name="string1",
  412.               n=TAKEN_FROM_ARGUMENT1,
  413.               reader=read_string1,
  414.               doc="""A counted string.
  415.  
  416.               The first argument is a 1-byte unsigned int giving the number
  417.               of bytes in the string, and the second argument is that many
  418.               bytes.
  419.               """)
  420.  
  421.  
  422. def read_unicodestringnl(f):
  423.     r"""
  424.     >>> import StringIO
  425.     >>> read_unicodestringnl(StringIO.StringIO("abc\uabcd\njunk"))
  426.     u'abc\uabcd'
  427.     """
  428.  
  429.     data = f.readline()
  430.     if not data.endswith('\n'):
  431.         raise ValueError("no newline found when trying to read "
  432.                          "unicodestringnl")
  433.     data = data[:-1]    # lose the newline
  434.     return unicode(data, 'raw-unicode-escape')
  435.  
  436. unicodestringnl = ArgumentDescriptor(
  437.                       name='unicodestringnl',
  438.                       n=UP_TO_NEWLINE,
  439.                       reader=read_unicodestringnl,
  440.                       doc="""A newline-terminated Unicode string.
  441.  
  442.                       This is raw-unicode-escape encoded, so consists of
  443.                       printable ASCII characters, and may contain embedded
  444.                       escape sequences.
  445.                       """)
  446.  
  447. def read_unicodestring4(f):
  448.     r"""
  449.     >>> import StringIO
  450.     >>> s = u'abcd\uabcd'
  451.     >>> enc = s.encode('utf-8')
  452.     >>> enc
  453.     'abcd\xea\xaf\x8d'
  454.     >>> n = chr(len(enc)) + chr(0) * 3  # little-endian 4-byte length
  455.     >>> t = read_unicodestring4(StringIO.StringIO(n + enc + 'junk'))
  456.     >>> s == t
  457.     True
  458.  
  459.     >>> read_unicodestring4(StringIO.StringIO(n + enc[:-1]))
  460.     Traceback (most recent call last):
  461.     ...
  462.     ValueError: expected 7 bytes in a unicodestring4, but only 6 remain
  463.     """
  464.  
  465.     n = read_int4(f)
  466.     if n < 0:
  467.         raise ValueError("unicodestring4 byte count < 0: %d" % n)
  468.     data = f.read(n)
  469.     if len(data) == n:
  470.         return unicode(data, 'utf-8')
  471.     raise ValueError("expected %d bytes in a unicodestring4, but only %d "
  472.                      "remain" % (n, len(data)))
  473.  
  474. unicodestring4 = ArgumentDescriptor(
  475.                     name="unicodestring4",
  476.                     n=TAKEN_FROM_ARGUMENT4,
  477.                     reader=read_unicodestring4,
  478.                     doc="""A counted Unicode string.
  479.  
  480.                     The first argument is a 4-byte little-endian signed int
  481.                     giving the number of bytes in the string, and the second
  482.                     argument-- the UTF-8 encoding of the Unicode string --
  483.                     contains that many bytes.
  484.                     """)
  485.  
  486.  
  487. def read_decimalnl_short(f):
  488.     r"""
  489.     >>> import StringIO
  490.     >>> read_decimalnl_short(StringIO.StringIO("1234\n56"))
  491.     1234
  492.  
  493.     >>> read_decimalnl_short(StringIO.StringIO("1234L\n56"))
  494.     Traceback (most recent call last):
  495.     ...
  496.     ValueError: trailing 'L' not allowed in '1234L'
  497.     """
  498.  
  499.     s = read_stringnl(f, decode=False, stripquotes=False)
  500.     if s.endswith("L"):
  501.         raise ValueError("trailing 'L' not allowed in %r" % s)
  502.  
  503.     # It's not necessarily true that the result fits in a Python short int:
  504.     # the pickle may have been written on a 64-bit box.  There's also a hack
  505.     # for True and False here.
  506.     if s == "00":
  507.         return False
  508.     elif s == "01":
  509.         return True
  510.  
  511.     try:
  512.         return int(s)
  513.     except OverflowError:
  514.         return long(s)
  515.  
  516. def read_decimalnl_long(f):
  517.     r"""
  518.     >>> import StringIO
  519.  
  520.     >>> read_decimalnl_long(StringIO.StringIO("1234\n56"))
  521.     Traceback (most recent call last):
  522.     ...
  523.     ValueError: trailing 'L' required in '1234'
  524.  
  525.     Someday the trailing 'L' will probably go away from this output.
  526.  
  527.     >>> read_decimalnl_long(StringIO.StringIO("1234L\n56"))
  528.     1234L
  529.  
  530.     >>> read_decimalnl_long(StringIO.StringIO("123456789012345678901234L\n6"))
  531.     123456789012345678901234L
  532.     """
  533.  
  534.     s = read_stringnl(f, decode=False, stripquotes=False)
  535.     if not s.endswith("L"):
  536.         raise ValueError("trailing 'L' required in %r" % s)
  537.     return long(s)
  538.  
  539.  
  540. decimalnl_short = ArgumentDescriptor(
  541.                       name='decimalnl_short',
  542.                       n=UP_TO_NEWLINE,
  543.                       reader=read_decimalnl_short,
  544.                       doc="""A newline-terminated decimal integer literal.
  545.  
  546.                           This never has a trailing 'L', and the integer fit
  547.                           in a short Python int on the box where the pickle
  548.                           was written -- but there's no guarantee it will fit
  549.                           in a short Python int on the box where the pickle
  550.                           is read.
  551.                           """)
  552.  
  553. decimalnl_long = ArgumentDescriptor(
  554.                      name='decimalnl_long',
  555.                      n=UP_TO_NEWLINE,
  556.                      reader=read_decimalnl_long,
  557.                      doc="""A newline-terminated decimal integer literal.
  558.  
  559.                          This has a trailing 'L', and can represent integers
  560.                          of any size.
  561.                          """)
  562.  
  563.  
  564. def read_floatnl(f):
  565.     r"""
  566.     >>> import StringIO
  567.     >>> read_floatnl(StringIO.StringIO("-1.25\n6"))
  568.     -1.25
  569.     """
  570.     s = read_stringnl(f, decode=False, stripquotes=False)
  571.     return float(s)
  572.  
  573. floatnl = ArgumentDescriptor(
  574.               name='floatnl',
  575.               n=UP_TO_NEWLINE,
  576.               reader=read_floatnl,
  577.               doc="""A newline-terminated decimal floating literal.
  578.  
  579.               In general this requires 17 significant digits for roundtrip
  580.               identity, and pickling then unpickling infinities, NaNs, and
  581.               minus zero doesn't work across boxes, or on some boxes even
  582.               on itself (e.g., Windows can't read the strings it produces
  583.               for infinities or NaNs).
  584.               """)
  585.  
  586. def read_float8(f):
  587.     r"""
  588.     >>> import StringIO, struct
  589.     >>> raw = struct.pack(">d", -1.25)
  590.     >>> raw
  591.     '\xbf\xf4\x00\x00\x00\x00\x00\x00'
  592.     >>> read_float8(StringIO.StringIO(raw + "\n"))
  593.     -1.25
  594.     """
  595.  
  596.     data = f.read(8)
  597.     if len(data) == 8:
  598.         return _unpack(">d", data)[0]
  599.     raise ValueError("not enough data in stream to read float8")
  600.  
  601.  
  602. float8 = ArgumentDescriptor(
  603.              name='float8',
  604.              n=8,
  605.              reader=read_float8,
  606.              doc="""An 8-byte binary representation of a float, big-endian.
  607.  
  608.              The format is unique to Python, and shared with the struct
  609.              module (format string '>d') "in theory" (the struct and cPickle
  610.              implementations don't share the code -- they should).  It's
  611.              strongly related to the IEEE-754 double format, and, in normal
  612.              cases, is in fact identical to the big-endian 754 double format.
  613.              On other boxes the dynamic range is limited to that of a 754
  614.              double, and "add a half and chop" rounding is used to reduce
  615.              the precision to 53 bits.  However, even on a 754 box,
  616.              infinities, NaNs, and minus zero may not be handled correctly
  617.              (may not survive roundtrip pickling intact).
  618.              """)
  619.  
  620. # Protocol 2 formats
  621.  
  622. from pickle import decode_long
  623.  
  624. def read_long1(f):
  625.     r"""
  626.     >>> import StringIO
  627.     >>> read_long1(StringIO.StringIO("\x00"))
  628.     0L
  629.     >>> read_long1(StringIO.StringIO("\x02\xff\x00"))
  630.     255L
  631.     >>> read_long1(StringIO.StringIO("\x02\xff\x7f"))
  632.     32767L
  633.     >>> read_long1(StringIO.StringIO("\x02\x00\xff"))
  634.     -256L
  635.     >>> read_long1(StringIO.StringIO("\x02\x00\x80"))
  636.     -32768L
  637.     """
  638.  
  639.     n = read_uint1(f)
  640.     data = f.read(n)
  641.     if len(data) != n:
  642.         raise ValueError("not enough data in stream to read long1")
  643.     return decode_long(data)
  644.  
  645. long1 = ArgumentDescriptor(
  646.     name="long1",
  647.     n=TAKEN_FROM_ARGUMENT1,
  648.     reader=read_long1,
  649.     doc="""A binary long, little-endian, using 1-byte size.
  650.  
  651.     This first reads one byte as an unsigned size, then reads that
  652.     many bytes and interprets them as a little-endian 2's-complement long.
  653.     If the size is 0, that's taken as a shortcut for the long 0L.
  654.     """)
  655.  
  656. def read_long4(f):
  657.     r"""
  658.     >>> import StringIO
  659.     >>> read_long4(StringIO.StringIO("\x02\x00\x00\x00\xff\x00"))
  660.     255L
  661.     >>> read_long4(StringIO.StringIO("\x02\x00\x00\x00\xff\x7f"))
  662.     32767L
  663.     >>> read_long4(StringIO.StringIO("\x02\x00\x00\x00\x00\xff"))
  664.     -256L
  665.     >>> read_long4(StringIO.StringIO("\x02\x00\x00\x00\x00\x80"))
  666.     -32768L
  667.     >>> read_long1(StringIO.StringIO("\x00\x00\x00\x00"))
  668.     0L
  669.     """
  670.  
  671.     n = read_int4(f)
  672.     if n < 0:
  673.         raise ValueError("long4 byte count < 0: %d" % n)
  674.     data = f.read(n)
  675.     if len(data) != n:
  676.         raise ValueError("not enough data in stream to read long4")
  677.     return decode_long(data)
  678.  
  679. long4 = ArgumentDescriptor(
  680.     name="long4",
  681.     n=TAKEN_FROM_ARGUMENT4,
  682.     reader=read_long4,
  683.     doc="""A binary representation of a long, little-endian.
  684.  
  685.     This first reads four bytes as a signed size (but requires the
  686.     size to be >= 0), then reads that many bytes and interprets them
  687.     as a little-endian 2's-complement long.  If the size is 0, that's taken
  688.     as a shortcut for the long 0L, although LONG1 should really be used
  689.     then instead (and in any case where # of bytes < 256).
  690.     """)
  691.  
  692.  
  693. ##############################################################################
  694. # Object descriptors.  The stack used by the pickle machine holds objects,
  695. # and in the stack_before and stack_after attributes of OpcodeInfo
  696. # descriptors we need names to describe the various types of objects that can
  697. # appear on the stack.
  698.  
  699. class StackObject(object):
  700.     __slots__ = (
  701.         # name of descriptor record, for info only
  702.         'name',
  703.  
  704.         # type of object, or tuple of type objects (meaning the object can
  705.         # be of any type in the tuple)
  706.         'obtype',
  707.  
  708.         # human-readable docs for this kind of stack object; a string
  709.         'doc',
  710.     )
  711.  
  712.     def __init__(self, name, obtype, doc):
  713.         assert isinstance(name, str)
  714.         self.name = name
  715.  
  716.         assert isinstance(obtype, type) or isinstance(obtype, tuple)
  717.         if isinstance(obtype, tuple):
  718.             for contained in obtype:
  719.                 assert isinstance(contained, type)
  720.         self.obtype = obtype
  721.  
  722.         assert isinstance(doc, str)
  723.         self.doc = doc
  724.  
  725.     def __repr__(self):
  726.         return self.name
  727.  
  728.  
  729. pyint = StackObject(
  730.             name='int',
  731.             obtype=int,
  732.             doc="A short (as opposed to long) Python integer object.")
  733.  
  734. pylong = StackObject(
  735.              name='long',
  736.              obtype=long,
  737.              doc="A long (as opposed to short) Python integer object.")
  738.  
  739. pyinteger_or_bool = StackObject(
  740.                         name='int_or_bool',
  741.                         obtype=(int, long, bool),
  742.                         doc="A Python integer object (short or long), or "
  743.                             "a Python bool.")
  744.  
  745. pybool = StackObject(
  746.              name='bool',
  747.              obtype=(bool,),
  748.              doc="A Python bool object.")
  749.  
  750. pyfloat = StackObject(
  751.               name='float',
  752.               obtype=float,
  753.               doc="A Python float object.")
  754.  
  755. pystring = StackObject(
  756.                name='str',
  757.                obtype=str,
  758.                doc="A Python string object.")
  759.  
  760. pyunicode = StackObject(
  761.                 name='unicode',
  762.                 obtype=unicode,
  763.                 doc="A Python Unicode string object.")
  764.  
  765. pynone = StackObject(
  766.              name="None",
  767.              obtype=type(None),
  768.              doc="The Python None object.")
  769.  
  770. pytuple = StackObject(
  771.               name="tuple",
  772.               obtype=tuple,
  773.               doc="A Python tuple object.")
  774.  
  775. pylist = StackObject(
  776.              name="list",
  777.              obtype=list,
  778.              doc="A Python list object.")
  779.  
  780. pydict = StackObject(
  781.              name="dict",
  782.              obtype=dict,
  783.              doc="A Python dict object.")
  784.  
  785. anyobject = StackObject(
  786.                 name='any',
  787.                 obtype=object,
  788.                 doc="Any kind of object whatsoever.")
  789.  
  790. markobject = StackObject(
  791.                  name="mark",
  792.                  obtype=StackObject,
  793.                  doc="""'The mark' is a unique object.
  794.  
  795.                  Opcodes that operate on a variable number of objects
  796.                  generally don't embed the count of objects in the opcode,
  797.                  or pull it off the stack.  Instead the MARK opcode is used
  798.                  to push a special marker object on the stack, and then
  799.                  some other opcodes grab all the objects from the top of
  800.                  the stack down to (but not including) the topmost marker
  801.                  object.
  802.                  """)
  803.  
  804. stackslice = StackObject(
  805.                  name="stackslice",
  806.                  obtype=StackObject,
  807.                  doc="""An object representing a contiguous slice of the stack.
  808.  
  809.                  This is used in conjuction with markobject, to represent all
  810.                  of the stack following the topmost markobject.  For example,
  811.                  the POP_MARK opcode changes the stack from
  812.  
  813.                      [..., markobject, stackslice]
  814.                  to
  815.                      [...]
  816.  
  817.                  No matter how many object are on the stack after the topmost
  818.                  markobject, POP_MARK gets rid of all of them (including the
  819.                  topmost markobject too).
  820.                  """)
  821.  
  822. ##############################################################################
  823. # Descriptors for pickle opcodes.
  824.  
  825. class OpcodeInfo(object):
  826.  
  827.     __slots__ = (
  828.         # symbolic name of opcode; a string
  829.         'name',
  830.  
  831.         # the code used in a bytestream to represent the opcode; a
  832.         # one-character string
  833.         'code',
  834.  
  835.         # If the opcode has an argument embedded in the byte string, an
  836.         # instance of ArgumentDescriptor specifying its type.  Note that
  837.         # arg.reader(s) can be used to read and decode the argument from
  838.         # the bytestream s, and arg.doc documents the format of the raw
  839.         # argument bytes.  If the opcode doesn't have an argument embedded
  840.         # in the bytestream, arg should be None.
  841.         'arg',
  842.  
  843.         # what the stack looks like before this opcode runs; a list
  844.         'stack_before',
  845.  
  846.         # what the stack looks like after this opcode runs; a list
  847.         'stack_after',
  848.  
  849.         # the protocol number in which this opcode was introduced; an int
  850.         'proto',
  851.  
  852.         # human-readable docs for this opcode; a string
  853.         'doc',
  854.     )
  855.  
  856.     def __init__(self, name, code, arg,
  857.                  stack_before, stack_after, proto, doc):
  858.         assert isinstance(name, str)
  859.         self.name = name
  860.  
  861.         assert isinstance(code, str)
  862.         assert len(code) == 1
  863.         self.code = code
  864.  
  865.         assert arg is None or isinstance(arg, ArgumentDescriptor)
  866.         self.arg = arg
  867.  
  868.         assert isinstance(stack_before, list)
  869.         for x in stack_before:
  870.             assert isinstance(x, StackObject)
  871.         self.stack_before = stack_before
  872.  
  873.         assert isinstance(stack_after, list)
  874.         for x in stack_after:
  875.             assert isinstance(x, StackObject)
  876.         self.stack_after = stack_after
  877.  
  878.         assert isinstance(proto, int) and 0 <= proto <= 2
  879.         self.proto = proto
  880.  
  881.         assert isinstance(doc, str)
  882.         self.doc = doc
  883.  
  884. I = OpcodeInfo
  885. opcodes = [
  886.  
  887.     # Ways to spell integers.
  888.  
  889.     I(name='INT',
  890.       code='I',
  891.       arg=decimalnl_short,
  892.       stack_before=[],
  893.       stack_after=[pyinteger_or_bool],
  894.       proto=0,
  895.       doc="""Push an integer or bool.
  896.  
  897.       The argument is a newline-terminated decimal literal string.
  898.  
  899.       The intent may have been that this always fit in a short Python int,
  900.       but INT can be generated in pickles written on a 64-bit box that
  901.       require a Python long on a 32-bit box.  The difference between this
  902.       and LONG then is that INT skips a trailing 'L', and produces a short
  903.       int whenever possible.
  904.  
  905.       Another difference is due to that, when bool was introduced as a
  906.       distinct type in 2.3, builtin names True and False were also added to
  907.       2.2.2, mapping to ints 1 and 0.  For compatibility in both directions,
  908.       True gets pickled as INT + "I01\\n", and False as INT + "I00\\n".
  909.       Leading zeroes are never produced for a genuine integer.  The 2.3
  910.       (and later) unpicklers special-case these and return bool instead;
  911.       earlier unpicklers ignore the leading "0" and return the int.
  912.       """),
  913.  
  914.     I(name='BININT',
  915.       code='J',
  916.       arg=int4,
  917.       stack_before=[],
  918.       stack_after=[pyint],
  919.       proto=1,
  920.       doc="""Push a four-byte signed integer.
  921.  
  922.       This handles the full range of Python (short) integers on a 32-bit
  923.       box, directly as binary bytes (1 for the opcode and 4 for the integer).
  924.       If the integer is non-negative and fits in 1 or 2 bytes, pickling via
  925.       BININT1 or BININT2 saves space.
  926.       """),
  927.  
  928.     I(name='BININT1',
  929.       code='K',
  930.       arg=uint1,
  931.       stack_before=[],
  932.       stack_after=[pyint],
  933.       proto=1,
  934.       doc="""Push a one-byte unsigned integer.
  935.  
  936.       This is a space optimization for pickling very small non-negative ints,
  937.       in range(256).
  938.       """),
  939.  
  940.     I(name='BININT2',
  941.       code='M',
  942.       arg=uint2,
  943.       stack_before=[],
  944.       stack_after=[pyint],
  945.       proto=1,
  946.       doc="""Push a two-byte unsigned integer.
  947.  
  948.       This is a space optimization for pickling small positive ints, in
  949.       range(256, 2**16).  Integers in range(256) can also be pickled via
  950.       BININT2, but BININT1 instead saves a byte.
  951.       """),
  952.  
  953.     I(name='LONG',
  954.       code='L',
  955.       arg=decimalnl_long,
  956.       stack_before=[],
  957.       stack_after=[pylong],
  958.       proto=0,
  959.       doc="""Push a long integer.
  960.  
  961.       The same as INT, except that the literal ends with 'L', and always
  962.       unpickles to a Python long.  There doesn't seem a real purpose to the
  963.       trailing 'L'.
  964.  
  965.       Note that LONG takes time quadratic in the number of digits when
  966.       unpickling (this is simply due to the nature of decimal->binary
  967.       conversion).  Proto 2 added linear-time (in C; still quadratic-time
  968.       in Python) LONG1 and LONG4 opcodes.
  969.       """),
  970.  
  971.     I(name="LONG1",
  972.       code='\x8a',
  973.       arg=long1,
  974.       stack_before=[],
  975.       stack_after=[pylong],
  976.       proto=2,
  977.       doc="""Long integer using one-byte length.
  978.  
  979.       A more efficient encoding of a Python long; the long1 encoding
  980.       says it all."""),
  981.  
  982.     I(name="LONG4",
  983.       code='\x8b',
  984.       arg=long4,
  985.       stack_before=[],
  986.       stack_after=[pylong],
  987.       proto=2,
  988.       doc="""Long integer using found-byte length.
  989.  
  990.       A more efficient encoding of a Python long; the long4 encoding
  991.       says it all."""),
  992.  
  993.     # Ways to spell strings (8-bit, not Unicode).
  994.  
  995.     I(name='STRING',
  996.       code='S',
  997.       arg=stringnl,
  998.       stack_before=[],
  999.       stack_after=[pystring],
  1000.       proto=0,
  1001.       doc="""Push a Python string object.
  1002.  
  1003.       The argument is a repr-style string, with bracketing quote characters,
  1004.       and perhaps embedded escapes.  The argument extends until the next
  1005.       newline character.
  1006.       """),
  1007.  
  1008.     I(name='BINSTRING',
  1009.       code='T',
  1010.       arg=string4,
  1011.       stack_before=[],
  1012.       stack_after=[pystring],
  1013.       proto=1,
  1014.       doc="""Push a Python string object.
  1015.  
  1016.       There are two arguments:  the first is a 4-byte little-endian signed int
  1017.       giving the number of bytes in the string, and the second is that many
  1018.       bytes, which are taken literally as the string content.
  1019.       """),
  1020.  
  1021.     I(name='SHORT_BINSTRING',
  1022.       code='U',
  1023.       arg=string1,
  1024.       stack_before=[],
  1025.       stack_after=[pystring],
  1026.       proto=1,
  1027.       doc="""Push a Python string object.
  1028.  
  1029.       There are two arguments:  the first is a 1-byte unsigned int giving
  1030.       the number of bytes in the string, and the second is that many bytes,
  1031.       which are taken literally as the string content.
  1032.       """),
  1033.  
  1034.     # Ways to spell None.
  1035.  
  1036.     I(name='NONE',
  1037.       code='N',
  1038.       arg=None,
  1039.       stack_before=[],
  1040.       stack_after=[pynone],
  1041.       proto=0,
  1042.       doc="Push None on the stack."),
  1043.  
  1044.     # Ways to spell bools, starting with proto 2.  See INT for how this was
  1045.     # done before proto 2.
  1046.  
  1047.     I(name='NEWTRUE',
  1048.       code='\x88',
  1049.       arg=None,
  1050.       stack_before=[],
  1051.       stack_after=[pybool],
  1052.       proto=2,
  1053.       doc="""True.
  1054.  
  1055.       Push True onto the stack."""),
  1056.  
  1057.     I(name='NEWFALSE',
  1058.       code='\x89',
  1059.       arg=None,
  1060.       stack_before=[],
  1061.       stack_after=[pybool],
  1062.       proto=2,
  1063.       doc="""True.
  1064.  
  1065.       Push False onto the stack."""),
  1066.  
  1067.     # Ways to spell Unicode strings.
  1068.  
  1069.     I(name='UNICODE',
  1070.       code='V',
  1071.       arg=unicodestringnl,
  1072.       stack_before=[],
  1073.       stack_after=[pyunicode],
  1074.       proto=0,  # this may be pure-text, but it's a later addition
  1075.       doc="""Push a Python Unicode string object.
  1076.  
  1077.       The argument is a raw-unicode-escape encoding of a Unicode string,
  1078.       and so may contain embedded escape sequences.  The argument extends
  1079.       until the next newline character.
  1080.       """),
  1081.  
  1082.     I(name='BINUNICODE',
  1083.       code='X',
  1084.       arg=unicodestring4,
  1085.       stack_before=[],
  1086.       stack_after=[pyunicode],
  1087.       proto=1,
  1088.       doc="""Push a Python Unicode string object.
  1089.  
  1090.       There are two arguments:  the first is a 4-byte little-endian signed int
  1091.       giving the number of bytes in the string.  The second is that many
  1092.       bytes, and is the UTF-8 encoding of the Unicode string.
  1093.       """),
  1094.  
  1095.     # Ways to spell floats.
  1096.  
  1097.     I(name='FLOAT',
  1098.       code='F',
  1099.       arg=floatnl,
  1100.       stack_before=[],
  1101.       stack_after=[pyfloat],
  1102.       proto=0,
  1103.       doc="""Newline-terminated decimal float literal.
  1104.  
  1105.       The argument is repr(a_float), and in general requires 17 significant
  1106.       digits for roundtrip conversion to be an identity (this is so for
  1107.       IEEE-754 double precision values, which is what Python float maps to
  1108.       on most boxes).
  1109.  
  1110.       In general, FLOAT cannot be used to transport infinities, NaNs, or
  1111.       minus zero across boxes (or even on a single box, if the platform C
  1112.       library can't read the strings it produces for such things -- Windows
  1113.       is like that), but may do less damage than BINFLOAT on boxes with
  1114.       greater precision or dynamic range than IEEE-754 double.
  1115.       """),
  1116.  
  1117.     I(name='BINFLOAT',
  1118.       code='G',
  1119.       arg=float8,
  1120.       stack_before=[],
  1121.       stack_after=[pyfloat],
  1122.       proto=1,
  1123.       doc="""Float stored in binary form, with 8 bytes of data.
  1124.  
  1125.       This generally requires less than half the space of FLOAT encoding.
  1126.       In general, BINFLOAT cannot be used to transport infinities, NaNs, or
  1127.       minus zero, raises an exception if the exponent exceeds the range of
  1128.       an IEEE-754 double, and retains no more than 53 bits of precision (if
  1129.       there are more than that, "add a half and chop" rounding is used to
  1130.       cut it back to 53 significant bits).
  1131.       """),
  1132.  
  1133.     # Ways to build lists.
  1134.  
  1135.     I(name='EMPTY_LIST',
  1136.       code=']',
  1137.       arg=None,
  1138.       stack_before=[],
  1139.       stack_after=[pylist],
  1140.       proto=1,
  1141.       doc="Push an empty list."),
  1142.  
  1143.     I(name='APPEND',
  1144.       code='a',
  1145.       arg=None,
  1146.       stack_before=[pylist, anyobject],
  1147.       stack_after=[pylist],
  1148.       proto=0,
  1149.       doc="""Append an object to a list.
  1150.  
  1151.       Stack before:  ... pylist anyobject
  1152.       Stack after:   ... pylist+[anyobject]
  1153.  
  1154.       although pylist is really extended in-place.
  1155.       """),
  1156.  
  1157.     I(name='APPENDS',
  1158.       code='e',
  1159.       arg=None,
  1160.       stack_before=[pylist, markobject, stackslice],
  1161.       stack_after=[pylist],
  1162.       proto=1,
  1163.       doc="""Extend a list by a slice of stack objects.
  1164.  
  1165.       Stack before:  ... pylist markobject stackslice
  1166.       Stack after:   ... pylist+stackslice
  1167.  
  1168.       although pylist is really extended in-place.
  1169.       """),
  1170.  
  1171.     I(name='LIST',
  1172.       code='l',
  1173.       arg=None,
  1174.       stack_before=[markobject, stackslice],
  1175.       stack_after=[pylist],
  1176.       proto=0,
  1177.       doc="""Build a list out of the topmost stack slice, after markobject.
  1178.  
  1179.       All the stack entries following the topmost markobject are placed into
  1180.       a single Python list, which single list object replaces all of the
  1181.       stack from the topmost markobject onward.  For example,
  1182.  
  1183.       Stack before: ... markobject 1 2 3 'abc'
  1184.       Stack after:  ... [1, 2, 3, 'abc']
  1185.       """),
  1186.  
  1187.     # Ways to build tuples.
  1188.  
  1189.     I(name='EMPTY_TUPLE',
  1190.       code=')',
  1191.       arg=None,
  1192.       stack_before=[],
  1193.       stack_after=[pytuple],
  1194.       proto=1,
  1195.       doc="Push an empty tuple."),
  1196.  
  1197.     I(name='TUPLE',
  1198.       code='t',
  1199.       arg=None,
  1200.       stack_before=[markobject, stackslice],
  1201.       stack_after=[pytuple],
  1202.       proto=0,
  1203.       doc="""Build a tuple out of the topmost stack slice, after markobject.
  1204.  
  1205.       All the stack entries following the topmost markobject are placed into
  1206.       a single Python tuple, which single tuple object replaces all of the
  1207.       stack from the topmost markobject onward.  For example,
  1208.  
  1209.       Stack before: ... markobject 1 2 3 'abc'
  1210.       Stack after:  ... (1, 2, 3, 'abc')
  1211.       """),
  1212.  
  1213.     I(name='TUPLE1',
  1214.       code='\x85',
  1215.       arg=None,
  1216.       stack_before=[anyobject],
  1217.       stack_after=[pytuple],
  1218.       proto=2,
  1219.       doc="""One-tuple.
  1220.  
  1221.       This code pops one value off the stack and pushes a tuple of
  1222.       length 1 whose one item is that value back onto it.  IOW:
  1223.  
  1224.           stack[-1] = tuple(stack[-1:])
  1225.       """),
  1226.  
  1227.     I(name='TUPLE2',
  1228.       code='\x86',
  1229.       arg=None,
  1230.       stack_before=[anyobject, anyobject],
  1231.       stack_after=[pytuple],
  1232.       proto=2,
  1233.       doc="""One-tuple.
  1234.  
  1235.       This code pops two values off the stack and pushes a tuple
  1236.       of length 2 whose items are those values back onto it.  IOW:
  1237.  
  1238.           stack[-2:] = [tuple(stack[-2:])]
  1239.       """),
  1240.  
  1241.     I(name='TUPLE3',
  1242.       code='\x87',
  1243.       arg=None,
  1244.       stack_before=[anyobject, anyobject, anyobject],
  1245.       stack_after=[pytuple],
  1246.       proto=2,
  1247.       doc="""One-tuple.
  1248.  
  1249.       This code pops three values off the stack and pushes a tuple
  1250.       of length 3 whose items are those values back onto it.  IOW:
  1251.  
  1252.           stack[-3:] = [tuple(stack[-3:])]
  1253.       """),
  1254.  
  1255.     # Ways to build dicts.
  1256.  
  1257.     I(name='EMPTY_DICT',
  1258.       code='}',
  1259.       arg=None,
  1260.       stack_before=[],
  1261.       stack_after=[pydict],
  1262.       proto=1,
  1263.       doc="Push an empty dict."),
  1264.  
  1265.     I(name='DICT',
  1266.       code='d',
  1267.       arg=None,
  1268.       stack_before=[markobject, stackslice],
  1269.       stack_after=[pydict],
  1270.       proto=0,
  1271.       doc="""Build a dict out of the topmost stack slice, after markobject.
  1272.  
  1273.       All the stack entries following the topmost markobject are placed into
  1274.       a single Python dict, which single dict object replaces all of the
  1275.       stack from the topmost markobject onward.  The stack slice alternates
  1276.       key, value, key, value, ....  For example,
  1277.  
  1278.       Stack before: ... markobject 1 2 3 'abc'
  1279.       Stack after:  ... {1: 2, 3: 'abc'}
  1280.       """),
  1281.  
  1282.     I(name='SETITEM',
  1283.       code='s',
  1284.       arg=None,
  1285.       stack_before=[pydict, anyobject, anyobject],
  1286.       stack_after=[pydict],
  1287.       proto=0,
  1288.       doc="""Add a key+value pair to an existing dict.
  1289.  
  1290.       Stack before:  ... pydict key value
  1291.       Stack after:   ... pydict
  1292.  
  1293.       where pydict has been modified via pydict[key] = value.
  1294.       """),
  1295.  
  1296.     I(name='SETITEMS',
  1297.       code='u',
  1298.       arg=None,
  1299.       stack_before=[pydict, markobject, stackslice],
  1300.       stack_after=[pydict],
  1301.       proto=1,
  1302.       doc="""Add an arbitrary number of key+value pairs to an existing dict.
  1303.  
  1304.       The slice of the stack following the topmost markobject is taken as
  1305.       an alternating sequence of keys and values, added to the dict
  1306.       immediately under the topmost markobject.  Everything at and after the
  1307.       topmost markobject is popped, leaving the mutated dict at the top
  1308.       of the stack.
  1309.  
  1310.       Stack before:  ... pydict markobject key_1 value_1 ... key_n value_n
  1311.       Stack after:   ... pydict
  1312.  
  1313.       where pydict has been modified via pydict[key_i] = value_i for i in
  1314.       1, 2, ..., n, and in that order.
  1315.       """),
  1316.  
  1317.     # Stack manipulation.
  1318.  
  1319.     I(name='POP',
  1320.       code='0',
  1321.       arg=None,
  1322.       stack_before=[anyobject],
  1323.       stack_after=[],
  1324.       proto=0,
  1325.       doc="Discard the top stack item, shrinking the stack by one item."),
  1326.  
  1327.     I(name='DUP',
  1328.       code='2',
  1329.       arg=None,
  1330.       stack_before=[anyobject],
  1331.       stack_after=[anyobject, anyobject],
  1332.       proto=0,
  1333.       doc="Push the top stack item onto the stack again, duplicating it."),
  1334.  
  1335.     I(name='MARK',
  1336.       code='(',
  1337.       arg=None,
  1338.       stack_before=[],
  1339.       stack_after=[markobject],
  1340.       proto=0,
  1341.       doc="""Push markobject onto the stack.
  1342.  
  1343.       markobject is a unique object, used by other opcodes to identify a
  1344.       region of the stack containing a variable number of objects for them
  1345.       to work on.  See markobject.doc for more detail.
  1346.       """),
  1347.  
  1348.     I(name='POP_MARK',
  1349.       code='1',
  1350.       arg=None,
  1351.       stack_before=[markobject, stackslice],
  1352.       stack_after=[],
  1353.       proto=0,
  1354.       doc="""Pop all the stack objects at and above the topmost markobject.
  1355.  
  1356.       When an opcode using a variable number of stack objects is done,
  1357.       POP_MARK is used to remove those objects, and to remove the markobject
  1358.       that delimited their starting position on the stack.
  1359.       """),
  1360.  
  1361.     # Memo manipulation.  There are really only two operations (get and put),
  1362.     # each in all-text, "short binary", and "long binary" flavors.
  1363.  
  1364.     I(name='GET',
  1365.       code='g',
  1366.       arg=decimalnl_short,
  1367.       stack_before=[],
  1368.       stack_after=[anyobject],
  1369.       proto=0,
  1370.       doc="""Read an object from the memo and push it on the stack.
  1371.  
  1372.       The index of the memo object to push is given by the newline-teriminated
  1373.       decimal string following.  BINGET and LONG_BINGET are space-optimized
  1374.       versions.
  1375.       """),
  1376.  
  1377.     I(name='BINGET',
  1378.       code='h',
  1379.       arg=uint1,
  1380.       stack_before=[],
  1381.       stack_after=[anyobject],
  1382.       proto=1,
  1383.       doc="""Read an object from the memo and push it on the stack.
  1384.  
  1385.       The index of the memo object to push is given by the 1-byte unsigned
  1386.       integer following.
  1387.       """),
  1388.  
  1389.     I(name='LONG_BINGET',
  1390.       code='j',
  1391.       arg=int4,
  1392.       stack_before=[],
  1393.       stack_after=[anyobject],
  1394.       proto=1,
  1395.       doc="""Read an object from the memo and push it on the stack.
  1396.  
  1397.       The index of the memo object to push is given by the 4-byte signed
  1398.       little-endian integer following.
  1399.       """),
  1400.  
  1401.     I(name='PUT',
  1402.       code='p',
  1403.       arg=decimalnl_short,
  1404.       stack_before=[],
  1405.       stack_after=[],
  1406.       proto=0,
  1407.       doc="""Store the stack top into the memo.  The stack is not popped.
  1408.  
  1409.       The index of the memo location to write into is given by the newline-
  1410.       terminated decimal string following.  BINPUT and LONG_BINPUT are
  1411.       space-optimized versions.
  1412.       """),
  1413.  
  1414.     I(name='BINPUT',
  1415.       code='q',
  1416.       arg=uint1,
  1417.       stack_before=[],
  1418.       stack_after=[],
  1419.       proto=1,
  1420.       doc="""Store the stack top into the memo.  The stack is not popped.
  1421.  
  1422.       The index of the memo location to write into is given by the 1-byte
  1423.       unsigned integer following.
  1424.       """),
  1425.  
  1426.     I(name='LONG_BINPUT',
  1427.       code='r',
  1428.       arg=int4,
  1429.       stack_before=[],
  1430.       stack_after=[],
  1431.       proto=1,
  1432.       doc="""Store the stack top into the memo.  The stack is not popped.
  1433.  
  1434.       The index of the memo location to write into is given by the 4-byte
  1435.       signed little-endian integer following.
  1436.       """),
  1437.  
  1438.     # Access the extension registry (predefined objects).  Akin to the GET
  1439.     # family.
  1440.  
  1441.     I(name='EXT1',
  1442.       code='\x82',
  1443.       arg=uint1,
  1444.       stack_before=[],
  1445.       stack_after=[anyobject],
  1446.       proto=2,
  1447.       doc="""Extension code.
  1448.  
  1449.       This code and the similar EXT2 and EXT4 allow using a registry
  1450.       of popular objects that are pickled by name, typically classes.
  1451.       It is envisioned that through a global negotiation and
  1452.       registration process, third parties can set up a mapping between
  1453.       ints and object names.
  1454.  
  1455.       In order to guarantee pickle interchangeability, the extension
  1456.       code registry ought to be global, although a range of codes may
  1457.       be reserved for private use.
  1458.  
  1459.       EXT1 has a 1-byte integer argument.  This is used to index into the
  1460.       extension registry, and the object at that index is pushed on the stack.
  1461.       """),
  1462.  
  1463.     I(name='EXT2',
  1464.       code='\x83',
  1465.       arg=uint2,
  1466.       stack_before=[],
  1467.       stack_after=[anyobject],
  1468.       proto=2,
  1469.       doc="""Extension code.
  1470.  
  1471.       See EXT1.  EXT2 has a two-byte integer argument.
  1472.       """),
  1473.  
  1474.     I(name='EXT4',
  1475.       code='\x84',
  1476.       arg=int4,
  1477.       stack_before=[],
  1478.       stack_after=[anyobject],
  1479.       proto=2,
  1480.       doc="""Extension code.
  1481.  
  1482.       See EXT1.  EXT4 has a four-byte integer argument.
  1483.       """),
  1484.  
  1485.     # Push a class object, or module function, on the stack, via its module
  1486.     # and name.
  1487.  
  1488.     I(name='GLOBAL',
  1489.       code='c',
  1490.       arg=stringnl_noescape_pair,
  1491.       stack_before=[],
  1492.       stack_after=[anyobject],
  1493.       proto=0,
  1494.       doc="""Push a global object (module.attr) on the stack.
  1495.  
  1496.       Two newline-terminated strings follow the GLOBAL opcode.  The first is
  1497.       taken as a module name, and the second as a class name.  The class
  1498.       object module.class is pushed on the stack.  More accurately, the
  1499.       object returned by self.find_class(module, class) is pushed on the
  1500.       stack, so unpickling subclasses can override this form of lookup.
  1501.       """),
  1502.  
  1503.     # Ways to build objects of classes pickle doesn't know about directly
  1504.     # (user-defined classes).  I despair of documenting this accurately
  1505.     # and comprehensibly -- you really have to read the pickle code to
  1506.     # find all the special cases.
  1507.  
  1508.     I(name='REDUCE',
  1509.       code='R',
  1510.       arg=None,
  1511.       stack_before=[anyobject, anyobject],
  1512.       stack_after=[anyobject],
  1513.       proto=0,
  1514.       doc="""Push an object built from a callable and an argument tuple.
  1515.  
  1516.       The opcode is named to remind of the __reduce__() method.
  1517.  
  1518.       Stack before: ... callable pytuple
  1519.       Stack after:  ... callable(*pytuple)
  1520.  
  1521.       The callable and the argument tuple are the first two items returned
  1522.       by a __reduce__ method.  Applying the callable to the argtuple is
  1523.       supposed to reproduce the original object, or at least get it started.
  1524.       If the __reduce__ method returns a 3-tuple, the last component is an
  1525.       argument to be passed to the object's __setstate__, and then the REDUCE
  1526.       opcode is followed by code to create setstate's argument, and then a
  1527.       BUILD opcode to apply  __setstate__ to that argument.
  1528.  
  1529.       There are lots of special cases here.  The argtuple can be None, in
  1530.       which case callable.__basicnew__() is called instead to produce the
  1531.       object to be pushed on the stack.  This appears to be a trick unique
  1532.       to ExtensionClasses, and is deprecated regardless.
  1533.  
  1534.       If type(callable) is not ClassType, REDUCE complains unless the
  1535.       callable has been registered with the copy_reg module's
  1536.       safe_constructors dict, or the callable has a magic
  1537.       '__safe_for_unpickling__' attribute with a true value.  I'm not sure
  1538.       why it does this, but I've sure seen this complaint often enough when
  1539.       I didn't want to <wink>.
  1540.       """),
  1541.  
  1542.     I(name='BUILD',
  1543.       code='b',
  1544.       arg=None,
  1545.       stack_before=[anyobject, anyobject],
  1546.       stack_after=[anyobject],
  1547.       proto=0,
  1548.       doc="""Finish building an object, via __setstate__ or dict update.
  1549.  
  1550.       Stack before: ... anyobject argument
  1551.       Stack after:  ... anyobject
  1552.  
  1553.       where anyobject may have been mutated, as follows:
  1554.  
  1555.       If the object has a __setstate__ method,
  1556.  
  1557.           anyobject.__setstate__(argument)
  1558.  
  1559.       is called.
  1560.  
  1561.       Else the argument must be a dict, the object must have a __dict__, and
  1562.       the object is updated via
  1563.  
  1564.           anyobject.__dict__.update(argument)
  1565.  
  1566.       This may raise RuntimeError in restricted execution mode (which
  1567.       disallows access to __dict__ directly); in that case, the object
  1568.       is updated instead via
  1569.  
  1570.           for k, v in argument.items():
  1571.               anyobject[k] = v
  1572.       """),
  1573.  
  1574.     I(name='INST',
  1575.       code='i',
  1576.       arg=stringnl_noescape_pair,
  1577.       stack_before=[markobject, stackslice],
  1578.       stack_after=[anyobject],
  1579.       proto=0,
  1580.       doc="""Build a class instance.
  1581.  
  1582.       This is the protocol 0 version of protocol 1's OBJ opcode.
  1583.       INST is followed by two newline-terminated strings, giving a
  1584.       module and class name, just as for the GLOBAL opcode (and see
  1585.       GLOBAL for more details about that).  self.find_class(module, name)
  1586.       is used to get a class object.
  1587.  
  1588.       In addition, all the objects on the stack following the topmost
  1589.       markobject are gathered into a tuple and popped (along with the
  1590.       topmost markobject), just as for the TUPLE opcode.
  1591.  
  1592.       Now it gets complicated.  If all of these are true:
  1593.  
  1594.         + The argtuple is empty (markobject was at the top of the stack
  1595.           at the start).
  1596.  
  1597.         + It's an old-style class object (the type of the class object is
  1598.           ClassType).
  1599.  
  1600.         + The class object does not have a __getinitargs__ attribute.
  1601.  
  1602.       then we want to create an old-style class instance without invoking
  1603.       its __init__() method (pickle has waffled on this over the years; not
  1604.       calling __init__() is current wisdom).  In this case, an instance of
  1605.       an old-style dummy class is created, and then we try to rebind its
  1606.       __class__ attribute to the desired class object.  If this succeeds,
  1607.       the new instance object is pushed on the stack, and we're done.  In
  1608.       restricted execution mode it can fail (assignment to __class__ is
  1609.       disallowed), and I'm not really sure what happens then -- it looks
  1610.       like the code ends up calling the class object's __init__ anyway,
  1611.       via falling into the next case.
  1612.  
  1613.       Else (the argtuple is not empty, it's not an old-style class object,
  1614.       or the class object does have a __getinitargs__ attribute), the code
  1615.       first insists that the class object have a __safe_for_unpickling__
  1616.       attribute.  Unlike as for the __safe_for_unpickling__ check in REDUCE,
  1617.       it doesn't matter whether this attribute has a true or false value, it
  1618.       only matters whether it exists (XXX this is a bug; cPickle
  1619.       requires the attribute to be true).  If __safe_for_unpickling__
  1620.       doesn't exist, UnpicklingError is raised.
  1621.  
  1622.       Else (the class object does have a __safe_for_unpickling__ attr),
  1623.       the class object obtained from INST's arguments is applied to the
  1624.       argtuple obtained from the stack, and the resulting instance object
  1625.       is pushed on the stack.
  1626.  
  1627.       NOTE:  checks for __safe_for_unpickling__ went away in Python 2.3.
  1628.       """),
  1629.  
  1630.     I(name='OBJ',
  1631.       code='o',
  1632.       arg=None,
  1633.       stack_before=[markobject, anyobject, stackslice],
  1634.       stack_after=[anyobject],
  1635.       proto=1,
  1636.       doc="""Build a class instance.
  1637.  
  1638.       This is the protocol 1 version of protocol 0's INST opcode, and is
  1639.       very much like it.  The major difference is that the class object
  1640.       is taken off the stack, allowing it to be retrieved from the memo
  1641.       repeatedly if several instances of the same class are created.  This
  1642.       can be much more efficient (in both time and space) than repeatedly
  1643.       embedding the module and class names in INST opcodes.
  1644.  
  1645.       Unlike INST, OBJ takes no arguments from the opcode stream.  Instead
  1646.       the class object is taken off the stack, immediately above the
  1647.       topmost markobject:
  1648.  
  1649.       Stack before: ... markobject classobject stackslice
  1650.       Stack after:  ... new_instance_object
  1651.  
  1652.       As for INST, the remainder of the stack above the markobject is
  1653.       gathered into an argument tuple, and then the logic seems identical,
  1654.       except that no __safe_for_unpickling__ check is done (XXX this is
  1655.       a bug; cPickle does test __safe_for_unpickling__).  See INST for
  1656.       the gory details.
  1657.  
  1658.       NOTE:  In Python 2.3, INST and OBJ are identical except for how they
  1659.       get the class object.  That was always the intent; the implementations
  1660.       had diverged for accidental reasons.
  1661.       """),
  1662.  
  1663.     I(name='NEWOBJ',
  1664.       code='\x81',
  1665.       arg=None,
  1666.       stack_before=[anyobject, anyobject],
  1667.       stack_after=[anyobject],
  1668.       proto=2,
  1669.       doc="""Build an object instance.
  1670.  
  1671.       The stack before should be thought of as containing a class
  1672.       object followed by an argument tuple (the tuple being the stack
  1673.       top).  Call these cls and args.  They are popped off the stack,
  1674.       and the value returned by cls.__new__(cls, *args) is pushed back
  1675.       onto the stack.
  1676.       """),
  1677.  
  1678.     # Machine control.
  1679.  
  1680.     I(name='PROTO',
  1681.       code='\x80',
  1682.       arg=uint1,
  1683.       stack_before=[],
  1684.       stack_after=[],
  1685.       proto=2,
  1686.       doc="""Protocol version indicator.
  1687.  
  1688.       For protocol 2 and above, a pickle must start with this opcode.
  1689.       The argument is the protocol version, an int in range(2, 256).
  1690.       """),
  1691.  
  1692.     I(name='STOP',
  1693.       code='.',
  1694.       arg=None,
  1695.       stack_before=[anyobject],
  1696.       stack_after=[],
  1697.       proto=0,
  1698.       doc="""Stop the unpickling machine.
  1699.  
  1700.       Every pickle ends with this opcode.  The object at the top of the stack
  1701.       is popped, and that's the result of unpickling.  The stack should be
  1702.       empty then.
  1703.       """),
  1704.  
  1705.     # Ways to deal with persistent IDs.
  1706.  
  1707.     I(name='PERSID',
  1708.       code='P',
  1709.       arg=stringnl_noescape,
  1710.       stack_before=[],
  1711.       stack_after=[anyobject],
  1712.       proto=0,
  1713.       doc="""Push an object identified by a persistent ID.
  1714.  
  1715.       The pickle module doesn't define what a persistent ID means.  PERSID's
  1716.       argument is a newline-terminated str-style (no embedded escapes, no
  1717.       bracketing quote characters) string, which *is* "the persistent ID".
  1718.       The unpickler passes this string to self.persistent_load().  Whatever
  1719.       object that returns is pushed on the stack.  There is no implementation
  1720.       of persistent_load() in Python's unpickler:  it must be supplied by an
  1721.       unpickler subclass.
  1722.       """),
  1723.  
  1724.     I(name='BINPERSID',
  1725.       code='Q',
  1726.       arg=None,
  1727.       stack_before=[anyobject],
  1728.       stack_after=[anyobject],
  1729.       proto=1,
  1730.       doc="""Push an object identified by a persistent ID.
  1731.  
  1732.       Like PERSID, except the persistent ID is popped off the stack (instead
  1733.       of being a string embedded in the opcode bytestream).  The persistent
  1734.       ID is passed to self.persistent_load(), and whatever object that
  1735.       returns is pushed on the stack.  See PERSID for more detail.
  1736.       """),
  1737. ]
  1738. del I
  1739.  
  1740. # Verify uniqueness of .name and .code members.
  1741. name2i = {}
  1742. code2i = {}
  1743.  
  1744. for i, d in enumerate(opcodes):
  1745.     if d.name in name2i:
  1746.         raise ValueError("repeated name %r at indices %d and %d" %
  1747.                          (d.name, name2i[d.name], i))
  1748.     if d.code in code2i:
  1749.         raise ValueError("repeated code %r at indices %d and %d" %
  1750.                          (d.code, code2i[d.code], i))
  1751.  
  1752.     name2i[d.name] = i
  1753.     code2i[d.code] = i
  1754.  
  1755. del name2i, code2i, i, d
  1756.  
  1757. ##############################################################################
  1758. # Build a code2op dict, mapping opcode characters to OpcodeInfo records.
  1759. # Also ensure we've got the same stuff as pickle.py, although the
  1760. # introspection here is dicey.
  1761.  
  1762. code2op = {}
  1763. for d in opcodes:
  1764.     code2op[d.code] = d
  1765. del d
  1766.  
  1767. def assure_pickle_consistency(verbose=False):
  1768.     import pickle, re
  1769.  
  1770.     copy = code2op.copy()
  1771.     for name in pickle.__all__:
  1772.         if not re.match("[A-Z][A-Z0-9_]+$", name):
  1773.             if verbose:
  1774.                 print "skipping %r: it doesn't look like an opcode name" % name
  1775.             continue
  1776.         picklecode = getattr(pickle, name)
  1777.         if not isinstance(picklecode, str) or len(picklecode) != 1:
  1778.             if verbose:
  1779.                 print ("skipping %r: value %r doesn't look like a pickle "
  1780.                        "code" % (name, picklecode))
  1781.             continue
  1782.         if picklecode in copy:
  1783.             if verbose:
  1784.                 print "checking name %r w/ code %r for consistency" % (
  1785.                       name, picklecode)
  1786.             d = copy[picklecode]
  1787.             if d.name != name:
  1788.                 raise ValueError("for pickle code %r, pickle.py uses name %r "
  1789.                                  "but we're using name %r" % (picklecode,
  1790.                                                               name,
  1791.                                                               d.name))
  1792.             # Forget this one.  Any left over in copy at the end are a problem
  1793.             # of a different kind.
  1794.             del copy[picklecode]
  1795.         else:
  1796.             raise ValueError("pickle.py appears to have a pickle opcode with "
  1797.                              "name %r and code %r, but we don't" %
  1798.                              (name, picklecode))
  1799.     if copy:
  1800.         msg = ["we appear to have pickle opcodes that pickle.py doesn't have:"]
  1801.         for code, d in copy.items():
  1802.             msg.append("    name %r with code %r" % (d.name, code))
  1803.         raise ValueError("\n".join(msg))
  1804.  
  1805. assure_pickle_consistency()
  1806. del assure_pickle_consistency
  1807.  
  1808. ##############################################################################
  1809. # A pickle opcode generator.
  1810.  
  1811. def genops(pickle):
  1812.     """Generate all the opcodes in a pickle.
  1813.  
  1814.     'pickle' is a file-like object, or string, containing the pickle.
  1815.  
  1816.     Each opcode in the pickle is generated, from the current pickle position,
  1817.     stopping after a STOP opcode is delivered.  A triple is generated for
  1818.     each opcode:
  1819.  
  1820.         opcode, arg, pos
  1821.  
  1822.     opcode is an OpcodeInfo record, describing the current opcode.
  1823.  
  1824.     If the opcode has an argument embedded in the pickle, arg is its decoded
  1825.     value, as a Python object.  If the opcode doesn't have an argument, arg
  1826.     is None.
  1827.  
  1828.     If the pickle has a tell() method, pos was the value of pickle.tell()
  1829.     before reading the current opcode.  If the pickle is a string object,
  1830.     it's wrapped in a StringIO object, and the latter's tell() result is
  1831.     used.  Else (the pickle doesn't have a tell(), and it's not obvious how
  1832.     to query its current position) pos is None.
  1833.     """
  1834.  
  1835.     import cStringIO as StringIO
  1836.  
  1837.     if isinstance(pickle, str):
  1838.         pickle = StringIO.StringIO(pickle)
  1839.  
  1840.     if hasattr(pickle, "tell"):
  1841.         getpos = pickle.tell
  1842.     else:
  1843.         getpos = lambda: None
  1844.  
  1845.     while True:
  1846.         pos = getpos()
  1847.         code = pickle.read(1)
  1848.         opcode = code2op.get(code)
  1849.         if opcode is None:
  1850.             if code == "":
  1851.                 raise ValueError("pickle exhausted before seeing STOP")
  1852.             else:
  1853.                 raise ValueError("at position %s, opcode %r unknown" % (
  1854.                                  pos is None and "<unknown>" or pos,
  1855.                                  code))
  1856.         if opcode.arg is None:
  1857.             arg = None
  1858.         else:
  1859.             arg = opcode.arg.reader(pickle)
  1860.         yield opcode, arg, pos
  1861.         if code == '.':
  1862.             assert opcode.name == 'STOP'
  1863.             break
  1864.  
  1865. ##############################################################################
  1866. # A symbolic pickle disassembler.
  1867.  
  1868. def dis(pickle, out=None, memo=None, indentlevel=4):
  1869.     """Produce a symbolic disassembly of a pickle.
  1870.  
  1871.     'pickle' is a file-like object, or string, containing a (at least one)
  1872.     pickle.  The pickle is disassembled from the current position, through
  1873.     the first STOP opcode encountered.
  1874.  
  1875.     Optional arg 'out' is a file-like object to which the disassembly is
  1876.     printed.  It defaults to sys.stdout.
  1877.  
  1878.     Optional arg 'memo' is a Python dict, used as the pickle's memo.  It
  1879.     may be mutated by dis(), if the pickle contains PUT or BINPUT opcodes.
  1880.     Passing the same memo object to another dis() call then allows disassembly
  1881.     to proceed across multiple pickles that were all created by the same
  1882.     pickler with the same memo.  Ordinarily you don't need to worry about this.
  1883.  
  1884.     Optional arg indentlevel is the number of blanks by which to indent
  1885.     a new MARK level.  It defaults to 4.
  1886.  
  1887.     In addition to printing the disassembly, some sanity checks are made:
  1888.  
  1889.     + All embedded opcode arguments "make sense".
  1890.  
  1891.     + Explicit and implicit pop operations have enough items on the stack.
  1892.  
  1893.     + When an opcode implicitly refers to a markobject, a markobject is
  1894.       actually on the stack.
  1895.  
  1896.     + A memo entry isn't referenced before it's defined.
  1897.  
  1898.     + The markobject isn't stored in the memo.
  1899.  
  1900.     + A memo entry isn't redefined.
  1901.     """
  1902.  
  1903.     # Most of the hair here is for sanity checks, but most of it is needed
  1904.     # anyway to detect when a protocol 0 POP takes a MARK off the stack
  1905.     # (which in turn is needed to indent MARK blocks correctly).
  1906.  
  1907.     stack = []          # crude emulation of unpickler stack
  1908.     if memo is None:
  1909.         memo = {}       # crude emulation of unpicker memo
  1910.     maxproto = -1       # max protocol number seen
  1911.     markstack = []      # bytecode positions of MARK opcodes
  1912.     indentchunk = ' ' * indentlevel
  1913.     errormsg = None
  1914.     for opcode, arg, pos in genops(pickle):
  1915.         if pos is not None:
  1916.             print >> out, "%5d:" % pos,
  1917.  
  1918.         line = "%-4s %s%s" % (repr(opcode.code)[1:-1],
  1919.                               indentchunk * len(markstack),
  1920.                               opcode.name)
  1921.  
  1922.         maxproto = max(maxproto, opcode.proto)
  1923.         before = opcode.stack_before    # don't mutate
  1924.         after = opcode.stack_after      # don't mutate
  1925.         numtopop = len(before)
  1926.  
  1927.         # See whether a MARK should be popped.
  1928.         markmsg = None
  1929.         if markobject in before or (opcode.name == "POP" and
  1930.                                     stack and
  1931.                                     stack[-1] is markobject):
  1932.             assert markobject not in after
  1933.             if __debug__:
  1934.                 if markobject in before:
  1935.                     assert before[-1] is stackslice
  1936.             if markstack:
  1937.                 markpos = markstack.pop()
  1938.                 if markpos is None:
  1939.                     markmsg = "(MARK at unknown opcode offset)"
  1940.                 else:
  1941.                     markmsg = "(MARK at %d)" % markpos
  1942.                 # Pop everything at and after the topmost markobject.
  1943.                 while stack[-1] is not markobject:
  1944.                     stack.pop()
  1945.                 stack.pop()
  1946.                 # Stop later code from popping too much.
  1947.                 try:
  1948.                     numtopop = before.index(markobject)
  1949.                 except ValueError:
  1950.                     assert opcode.name == "POP"
  1951.                     numtopop = 0
  1952.             else:
  1953.                 errormsg = markmsg = "no MARK exists on stack"
  1954.  
  1955.         # Check for correct memo usage.
  1956.         if opcode.name in ("PUT", "BINPUT", "LONG_BINPUT"):
  1957.             assert arg is not None
  1958.             if arg in memo:
  1959.                 errormsg = "memo key %r already defined" % arg
  1960.             elif not stack:
  1961.                 errormsg = "stack is empty -- can't store into memo"
  1962.             elif stack[-1] is markobject:
  1963.                 errormsg = "can't store markobject in the memo"
  1964.             else:
  1965.                 memo[arg] = stack[-1]
  1966.  
  1967.         elif opcode.name in ("GET", "BINGET", "LONG_BINGET"):
  1968.             if arg in memo:
  1969.                 assert len(after) == 1
  1970.                 after = [memo[arg]]     # for better stack emulation
  1971.             else:
  1972.                 errormsg = "memo key %r has never been stored into" % arg
  1973.  
  1974.         if arg is not None or markmsg:
  1975.             # make a mild effort to align arguments
  1976.             line += ' ' * (10 - len(opcode.name))
  1977.             if arg is not None:
  1978.                 line += ' ' + repr(arg)
  1979.             if markmsg:
  1980.                 line += ' ' + markmsg
  1981.         print >> out, line
  1982.  
  1983.         if errormsg:
  1984.             # Note that we delayed complaining until the offending opcode
  1985.             # was printed.
  1986.             raise ValueError(errormsg)
  1987.  
  1988.         # Emulate the stack effects.
  1989.         if len(stack) < numtopop:
  1990.             raise ValueError("tries to pop %d items from stack with "
  1991.                              "only %d items" % (numtopop, len(stack)))
  1992.         if numtopop:
  1993.             del stack[-numtopop:]
  1994.         if markobject in after:
  1995.             assert markobject not in before
  1996.             markstack.append(pos)
  1997.  
  1998.         stack.extend(after)
  1999.  
  2000.     print >> out, "highest protocol among opcodes =", maxproto
  2001.     if stack:
  2002.         raise ValueError("stack not empty after STOP: %r" % stack)
  2003.  
  2004. _dis_test = r"""
  2005. >>> import pickle
  2006. >>> x = [1, 2, (3, 4), {'abc': u"def"}]
  2007. >>> pkl = pickle.dumps(x, 0)
  2008. >>> dis(pkl)
  2009.     0: (    MARK
  2010.     1: l        LIST       (MARK at 0)
  2011.     2: p    PUT        0
  2012.     5: I    INT        1
  2013.     8: a    APPEND
  2014.     9: I    INT        2
  2015.    12: a    APPEND
  2016.    13: (    MARK
  2017.    14: I        INT        3
  2018.    17: I        INT        4
  2019.    20: t        TUPLE      (MARK at 13)
  2020.    21: p    PUT        1
  2021.    24: a    APPEND
  2022.    25: (    MARK
  2023.    26: d        DICT       (MARK at 25)
  2024.    27: p    PUT        2
  2025.    30: S    STRING     'abc'
  2026.    37: p    PUT        3
  2027.    40: V    UNICODE    u'def'
  2028.    45: p    PUT        4
  2029.    48: s    SETITEM
  2030.    49: a    APPEND
  2031.    50: .    STOP
  2032. highest protocol among opcodes = 0
  2033.  
  2034. Try again with a "binary" pickle.
  2035.  
  2036. >>> pkl = pickle.dumps(x, 1)
  2037. >>> dis(pkl)
  2038.     0: ]    EMPTY_LIST
  2039.     1: q    BINPUT     0
  2040.     3: (    MARK
  2041.     4: K        BININT1    1
  2042.     6: K        BININT1    2
  2043.     8: (        MARK
  2044.     9: K            BININT1    3
  2045.    11: K            BININT1    4
  2046.    13: t            TUPLE      (MARK at 8)
  2047.    14: q        BINPUT     1
  2048.    16: }        EMPTY_DICT
  2049.    17: q        BINPUT     2
  2050.    19: U        SHORT_BINSTRING 'abc'
  2051.    24: q        BINPUT     3
  2052.    26: X        BINUNICODE u'def'
  2053.    34: q        BINPUT     4
  2054.    36: s        SETITEM
  2055.    37: e        APPENDS    (MARK at 3)
  2056.    38: .    STOP
  2057. highest protocol among opcodes = 1
  2058.  
  2059. Exercise the INST/OBJ/BUILD family.
  2060.  
  2061. >>> import random
  2062. >>> dis(pickle.dumps(random.random, 0))
  2063.     0: c    GLOBAL     'random random'
  2064.    15: p    PUT        0
  2065.    18: .    STOP
  2066. highest protocol among opcodes = 0
  2067.  
  2068. >>> x = [pickle.PicklingError()] * 2
  2069. >>> dis(pickle.dumps(x, 0))
  2070.     0: (    MARK
  2071.     1: l        LIST       (MARK at 0)
  2072.     2: p    PUT        0
  2073.     5: (    MARK
  2074.     6: i        INST       'pickle PicklingError' (MARK at 5)
  2075.    28: p    PUT        1
  2076.    31: (    MARK
  2077.    32: d        DICT       (MARK at 31)
  2078.    33: p    PUT        2
  2079.    36: S    STRING     'args'
  2080.    44: p    PUT        3
  2081.    47: (    MARK
  2082.    48: t        TUPLE      (MARK at 47)
  2083.    49: s    SETITEM
  2084.    50: b    BUILD
  2085.    51: a    APPEND
  2086.    52: g    GET        1
  2087.    55: a    APPEND
  2088.    56: .    STOP
  2089. highest protocol among opcodes = 0
  2090.  
  2091. >>> dis(pickle.dumps(x, 1))
  2092.     0: ]    EMPTY_LIST
  2093.     1: q    BINPUT     0
  2094.     3: (    MARK
  2095.     4: (        MARK
  2096.     5: c            GLOBAL     'pickle PicklingError'
  2097.    27: q            BINPUT     1
  2098.    29: o            OBJ        (MARK at 4)
  2099.    30: q        BINPUT     2
  2100.    32: }        EMPTY_DICT
  2101.    33: q        BINPUT     3
  2102.    35: U        SHORT_BINSTRING 'args'
  2103.    41: q        BINPUT     4
  2104.    43: )        EMPTY_TUPLE
  2105.    44: s        SETITEM
  2106.    45: b        BUILD
  2107.    46: h        BINGET     2
  2108.    48: e        APPENDS    (MARK at 3)
  2109.    49: .    STOP
  2110. highest protocol among opcodes = 1
  2111.  
  2112. Try "the canonical" recursive-object test.
  2113.  
  2114. >>> L = []
  2115. >>> T = L,
  2116. >>> L.append(T)
  2117. >>> L[0] is T
  2118. True
  2119. >>> T[0] is L
  2120. True
  2121. >>> L[0][0] is L
  2122. True
  2123. >>> T[0][0] is T
  2124. True
  2125. >>> dis(pickle.dumps(L, 0))
  2126.     0: (    MARK
  2127.     1: l        LIST       (MARK at 0)
  2128.     2: p    PUT        0
  2129.     5: (    MARK
  2130.     6: g        GET        0
  2131.     9: t        TUPLE      (MARK at 5)
  2132.    10: p    PUT        1
  2133.    13: a    APPEND
  2134.    14: .    STOP
  2135. highest protocol among opcodes = 0
  2136.  
  2137. >>> dis(pickle.dumps(L, 1))
  2138.     0: ]    EMPTY_LIST
  2139.     1: q    BINPUT     0
  2140.     3: (    MARK
  2141.     4: h        BINGET     0
  2142.     6: t        TUPLE      (MARK at 3)
  2143.     7: q    BINPUT     1
  2144.     9: a    APPEND
  2145.    10: .    STOP
  2146. highest protocol among opcodes = 1
  2147.  
  2148. Note that, in the protocol 0 pickle of the recursive tuple, the disassembler
  2149. has to emulate the stack in order to realize that the POP opcode at 16 gets
  2150. rid of the MARK at 0.
  2151.  
  2152. >>> dis(pickle.dumps(T, 0))
  2153.     0: (    MARK
  2154.     1: (        MARK
  2155.     2: l            LIST       (MARK at 1)
  2156.     3: p        PUT        0
  2157.     6: (        MARK
  2158.     7: g            GET        0
  2159.    10: t            TUPLE      (MARK at 6)
  2160.    11: p        PUT        1
  2161.    14: a        APPEND
  2162.    15: 0        POP
  2163.    16: 0        POP        (MARK at 0)
  2164.    17: g    GET        1
  2165.    20: .    STOP
  2166. highest protocol among opcodes = 0
  2167.  
  2168. >>> dis(pickle.dumps(T, 1))
  2169.     0: (    MARK
  2170.     1: ]        EMPTY_LIST
  2171.     2: q        BINPUT     0
  2172.     4: (        MARK
  2173.     5: h            BINGET     0
  2174.     7: t            TUPLE      (MARK at 4)
  2175.     8: q        BINPUT     1
  2176.    10: a        APPEND
  2177.    11: 1        POP_MARK   (MARK at 0)
  2178.    12: h    BINGET     1
  2179.    14: .    STOP
  2180. highest protocol among opcodes = 1
  2181.  
  2182. Try protocol 2.
  2183.  
  2184. >>> dis(pickle.dumps(L, 2))
  2185.     0: \x80 PROTO      2
  2186.     2: ]    EMPTY_LIST
  2187.     3: q    BINPUT     0
  2188.     5: h    BINGET     0
  2189.     7: \x85 TUPLE1
  2190.     8: q    BINPUT     1
  2191.    10: a    APPEND
  2192.    11: .    STOP
  2193. highest protocol among opcodes = 2
  2194.  
  2195. >>> dis(pickle.dumps(T, 2))
  2196.     0: \x80 PROTO      2
  2197.     2: ]    EMPTY_LIST
  2198.     3: q    BINPUT     0
  2199.     5: h    BINGET     0
  2200.     7: \x85 TUPLE1
  2201.     8: q    BINPUT     1
  2202.    10: a    APPEND
  2203.    11: 0    POP
  2204.    12: h    BINGET     1
  2205.    14: .    STOP
  2206. highest protocol among opcodes = 2
  2207. """
  2208.  
  2209. _memo_test = r"""
  2210. >>> import pickle
  2211. >>> from StringIO import StringIO
  2212. >>> f = StringIO()
  2213. >>> p = pickle.Pickler(f, 2)
  2214. >>> x = [1, 2, 3]
  2215. >>> p.dump(x)
  2216. >>> p.dump(x)
  2217. >>> f.seek(0)
  2218. >>> memo = {}
  2219. >>> dis(f, memo=memo)
  2220.     0: \x80 PROTO      2
  2221.     2: ]    EMPTY_LIST
  2222.     3: q    BINPUT     0
  2223.     5: (    MARK
  2224.     6: K        BININT1    1
  2225.     8: K        BININT1    2
  2226.    10: K        BININT1    3
  2227.    12: e        APPENDS    (MARK at 5)
  2228.    13: .    STOP
  2229. highest protocol among opcodes = 2
  2230. >>> dis(f, memo=memo)
  2231.    14: \x80 PROTO      2
  2232.    16: h    BINGET     0
  2233.    18: .    STOP
  2234. highest protocol among opcodes = 2
  2235. """
  2236.  
  2237. __test__ = {'disassembler_test': _dis_test,
  2238.             'disassembler_memo_test': _memo_test,
  2239.            }
  2240.  
  2241. def _test():
  2242.     import doctest
  2243.     return doctest.testmod()
  2244.  
  2245. if __name__ == "__main__":
  2246.     _test()
  2247.