常量折叠的具体规则是什么？

我刚刚意识到 CPython 似乎对表示相同值的常量表达式的处理方式与常量折叠不同。例如：

>>> import dis
>>> dis.dis('2**66')
  1           0 LOAD_CONST               0 (2)
              2 LOAD_CONST               1 (66)
              4 BINARY_POWER
              6 RETURN_VALUE
>>> dis.dis('4**33')
  1           0 LOAD_CONST               2 (73786976294838206464)
              2 RETURN_VALUE

对于第二个示例，应用了常量折叠，而第一个示例则没有应用常量折叠，尽管两者表示相同的值。它似乎与指数的值和结果的大小无关，因为以下表达式也被折叠：

>>> dis.dis('2.0**66')
  1           0 LOAD_CONST               2 (7.378697629483821e+19)
              2 RETURN_VALUE
>>> dis.dis('4**42')
  1           0 LOAD_CONST               2 (19342813113834066795298816)
              2 RETURN_VALUE

为什么前两个表达式的处理方式不同？更一般地说，CPython 对于常量折叠遵循哪些具体规则？

测试于：

$ python3.6 --version
Python 3.6.5 :: Anaconda, Inc.
$ python3.7 --version
Python 3.7.1

有no rules用于不断折叠。只有实施细节。他们曾经改变过，也将会再次改变。

哎呀，你甚至不能谈论“Python 3 行为”或“Python 3.6 行为”，因为这些实现细节在 3.6 之间发生了变化。4和3.6。5。在 3.6.4 上，2**66示例被不断折叠。

目前，没有人知道“暂时”会持续多久，实现细节是 AST 优化器包含保护措施，以防止在常量折叠上花费太多时间或内存。这保障 https://github.com/python/cpython/blob/v3.7.3/Python/ast_opt.c#L210 for 2**66 or 4**33基于 LHS 中的位数和 RHS 的值：

if (PyLong_Check(v) && PyLong_Check(w) && Py_SIZE(v) && Py_SIZE(w) > 0) {
    size_t vbits = _PyLong_NumBits(v);
    size_t wbits = PyLong_AsSize_t(w);
    if (vbits == (size_t)-1 || wbits == (size_t)-1) {
        return NULL;
    }
    if (vbits > MAX_INT_SIZE / wbits) {
        return NULL;
    }
}

MAX_INT_SIZE is #defined 早为 128。2是一个 2 位数字并且4是一个 3 位数字，估计结果大小较小4**33，因此它通过了检查并被常量折叠。

在 Python 3.6.5 上，实现细节大多相似，但这种常量折叠发生在字节码窥孔优化器 https://github.com/python/cpython/blob/v3.6.5/Python/peephole.c#L303而不是 AST 优化器，3.6.5 中不存在 AST 优化器。

在 Python 3.6.4 上，不存在预检查保护措施。窥孔优化器将discard https://github.com/python/cpython/blob/v3.6.3/Python/peephole.c#L305计算后的常量折叠结果太大，这会导致与预检查不同的阈值。