### 1. 它是什么
Python AST，全称是Abstract Syntax Tree，抽象语法树。简单说，就是Python解释器在读懂你的代码之后、真正开始执行之前，生成的一种中间表示形式。它像一张地图，把代码里的每一个元素——变量、函数、循环、条件——都变成了树上的节点。这棵树不是最终的执行结果，却包含了代码全部的结构信息。
举个例子，你写了一句代码：a = 1 + 2。在解释器眼里，这可不是简单的赋值和加法，而是一个Assign节点，里面包着一个Add节点，里面再有Num节点。就像医生看一张医学影像，能看到皮下的骨骼和血管。AST就是那个影像，帮你看到代码底层的骨架。
2. 它能做什么
有了这棵树，你会发现，原来代码是可以被“操作”的。只要拿到这棵树的节点，你就可以：
- 做静态分析：检查代码里有没有潜在的问题，比如未使用的变量、有风险的函数调用，甚至找出那些不该出现的敏感信息。
- 修改代码结构：在树里增减节点，相当于在不碰源代码的情况下，改变代码的逻辑。比如，你想给所有函数调用自动加上日志，AST可以直接把函数调用节点替换成带日志的包装版本。
- 生成代码：你写一个模板，AST帮你在树上自动生成节点，就像搭积木一样造出新的代码。编译器的代码生成就是这么干的。
- 实现自定义语法：比如你想支持某种宏或者语法糖，先把它变成AST节点，再走一遍常规流程即可。
现实中我最常遇到的场景是写爬虫或者数据处理时，需要动态生成很多相似的函数。手动写几百行重复代码既不优雅也不环保，用AST能省下不少功夫，而且修改起来也方便。
3. 怎么使用
Python的ast模块提供了很直接的接口。大致分三步走：
第一步：把源代码变成树
importast code="result = [x**2 for x in range(10) if x % 2 == 0]"tree=ast.parse(code)ast.parse接受代码字符串，返回AST的根节点。这棵树的根是Module，下面可能跟着Assign、ListComp、IfExp等等。
第二步：遍历或修改树
你用的是ast.NodeVisitor（只读）或ast.NodeTransformer（可修改）。前者适合做分析，后者适合改写。
比如，我想找出代码里所有的变量名：
classFindNames(ast.NodeVisitor):defvisit_Name(self,node):print(f"Found variable:{node.id}")tree=ast.parse("x = 42\nprint(y)")FindNames().visit(tree)想把所有变量名改成“secret”：
classRename(ast.NodeTransformer):defvisit_Name(self,node):node.id="secret"returnnode tree=Rename().visit(tree)注意，修改树后必须显式地返回新的节点，否则修改不生效。这是很多人容易忽略的细节。
第三步：把树变回代码
调用ast.unparse：
new_code=ast.unparse(tree)会生成格式有点粗糙的代码，但逻辑完全保留。如果想控制格式，可以用ast.dump先看看树的结构。
4. 最佳实践
AST最需要留意的是，它是一把双刃剑。用得好能让代码少写一半，用不好会把项目变成一堆难以调试的魔法。
第一，不要滥用。如果你的需求只是做简单的统计或检查，ast的解析效率远比正则高，但如果你只需要提取类名或函数名，可能inspect模块就够了。AST的开销是值得的，前提是你的任务确实需要“理解结构”而不是“匹配字符串”。
第二，把AST操作封装成独立的工具函数。不要把AST逻辑散落在业务代码里。写一个专门的模块，负责把源文件读进来、解析、修改、写回去。这样别人（包括未来的自己）想改时，不会在业务逻辑的缝隙里找AST代码。
第三，小心节点类型变更。Python的AST结构并不稳定，不同版本的Python之间，节点的属性名、字段名都可能换。如果写一个生产级别的AST工具，最好在代码里加个版本检测，或者用sys.version_info判断。
第四，测试要覆盖特殊情况。比如遇到语法错误时，ast.parse会抛出SyntaxError。养成习惯把解析过程包在try-except里，并且不要吞掉错误——至少打日志，否则出问题时无处可查。
第五，处理代码源信息。AST的节点自带lineno和col_offset属性，可以用来定位修改前后的代码位置。这在生成错误消息、调试工具里特别有用。你把代码改了后，最好更新一下这些偏移量，不然出错时指向的行号不准确，很难排查。
5. 和同类技术对比
说到同类技术，最直接的是正则表达式。很多人图省事，用正则找函数定义或变量赋值。但正则只能做浅层匹配，你没法确认它是不是真的函数定义，万一代码里有注释或字符串呢？AST是深度理解的，它能区分出注释和代码，也不会被缩进、换行打乱。正则适合抓取并快速替换，AST适合做有逻辑的修改。
另一个是**lib2to3或redbaron**，这些库提供了更高级的API来操作目标代码。lib2to3一度是官方用来做Python 2到3转换的工具，但它强在“不懂代码也能操作”，如果你需要保留原始格式和注释，lib2to3是首选。相比之下，AST丢弃了注释、缩进、换行等格式信息，单纯的ast.unparse可能不会保留它们。所以如果你的任务是重构工具，或者想在不改变代码样式的前提下修改，lib2to3可能更合适；如果你只想做逻辑分析或生成新的代码，AST更简洁稳定。
还有个是**astroid**，这是pylint背后的解析器。它在Python的ast基础上做了扩展，支持了类型推断、引用解析等。比如你想找出一个函数里到底用了哪些全局变量，用原生AST只能通过名字来猜，astroid能帮你追溯到变量的来源。这是静态分析工具的进阶之选。
最后提一下Jedi或Pyright这类支持IDE智能感知的引擎，它们内部也大量使用了AST，但功能更全面，包含符号表、类型检查等。如果你只是想做代码的简单静态修改，没必要用这么重的依赖。
简单说：如果只是日常的代码分析、自定义转换，Python自带的ast是首选；如果需要保留格式和注释或做更复杂、规模更大的静态分析，才考虑其他库。核心是衡量清楚“我要啃骨头的深度”，别用原子弹炸蚊子。
