Python运算符优先级表：复杂表达式中符号的计算顺序

编写条件判断或数值计算时，表达式往往由算术、位运算、关系比较及逻辑运算符交织而成。Python 解释器在对复杂的表达式进行求值时，并不是机械地从左往右扫描，而是严格依据语法定义的“运算符优先级（Precedence）”与“结合性（Associativity）”将代码构造成抽象语法树并分层规约。搞清这些规则，是避免隐蔽逻辑漏洞、写出严谨可靠代码的基础。

图 1：Python 复杂表达式解析与规约引擎流水线概览

一、为什么计算顺序往往出乎意料？

设想这样一个常见的系统权限检查场景：你从设备硬件或网络协议中读取了一个状态字 mask，并希望判断状态标志位 FLAG 是否处于未置位状态（即该位为 0）。初学者常会直接写下如下判断语句：

# 场景：检测 mask 中 FLAG 位是否为 0
FLAG = 0b00000100
mask = 0b00001100

if mask & FLAG == 0:
    print("标志位未置位")
else:
    print("标志位已置位")

按照人类自然的阅读直觉，我们期望“先进行按位与运算提取目标位，再将提取结果与 0 进行等于判断”。然而在 Python 中运行上述代码，控制台打印出的却是 "标志位已置位"！

原因在于：在 Python 的语法规范中，比较运算符 == 的优先级高于位运算符 &。Python 实际执行的是 mask & (FLAG == 0)。因为 FLAG == 0 的结果是布尔值 False（在数值上下文中等价于 0），最终计算 mask & 0 得到 0。在条件判断中 0 被视作假值，导致分支判断与预期彻底颠倒。这类问题不会抛出任何 SyntaxError 或运行时异常，却会在特定数据输入时产生严重的数据污染与业务偏差。

二、Python 完整运算符优先级全景表

Python 官方文档中将所有运算符按照优先级划分了严格的层级。下表将 Python 核心运算符从最高优先级（最先结合求值）到最低优先级（最后结合求值）进行了完整整理：

图 2：Python 运算符优先级与结合性层级全景架构

三、复杂表达式的逐步推导流水线

为了深入理解解释器如何依据上表执行运算，我们选取一个融合了算术幂乘、比较与多重布尔逻辑的复杂表达式：

res = 10 + 2 * 3 ** 2 > 25 and not 4 < 2

当 Python 解释器解析此语句时，会依据优先级自高向低分层规约。具体推导步骤如图 3 所示：

图 3：表达式 10 + 2 * 3 ** 2 > 25 and not 4 < 2 求值推导全流程

1. 幂运算优先：查找整句中最高优先级的运算符 **。计算 3 ** 2，得到 9。表达式缩减为：10 + 2 * 9 > 25 and not 4 < 2。
2. 乘法运算优先于加法：在剩余算术符号中，* 的优先级高于 +。计算 2 * 9，得到 18。表达式缩减为：10 + 18 > 25 and not 4 < 2。
3. 算术加法求值：计算 10 + 18，得到 28。此时关系比较左侧已完全规约为标量：28 > 25 and not 4 < 2。
4. 关系比较运算：比较运算符 > 和 < 的优先级高于任何逻辑运算符（not、and、or）。计算左侧关系比较 28 > 25，得出 True。
5. 右侧关系比较：计算右侧的关系比较 4 < 2，得出 False。表达式缩减为：True and not False。
6. 逻辑非单目运算：在逻辑运算符中，not 的优先级高于 and。计算 not False，得出 True。表达式缩减为：True and True。
7. 逻辑与规约：执行最后的 True and True，求值得到最终结果 True。

四、容易混淆的核心机制与典型陷阱

除了常规的四则运算与逻辑运算之外，Python 语法中存在三个极易引发逻辑偏差的核心机制：位运算优先级、链式比较与幂运算右结合。

图 4：Python 常见运算顺序陷阱与底层机制对照

1. 位运算符的低优先级陷阱

在许多初学者的潜意识中，位运算（&、|、^）与四则运算同属于“底层数学计算”，因而误认为其优先级高于关系比较。但在 Python（乃至 C 语言传统）中，所有的比较运算符（==, !=, <, > 等）优先级均高于位运算符。

2. 链式比较（Chained Comparison）的隐形机制

Python 允许类似于数学书写习惯的连续比较语法，例如 1 < x < 5。这并不是把 (1 < x) 的布尔结果再去与 5 比较，而是由解释器在 AST 层级将其重写为带有隐式 and 的逻辑连接：

# 源代码
result = 1 < x < 5

# 解释器语义等价形式（但 x 仅被求值一次！）
result = (1 < x) and (x < 5)

这里有两个非常关键的特性：

• 惰性求值与单次求值：如果中间表达式是一个复杂的函数调用（例如 1 < expensive_func() < 5），函数 expensive_func() 只会被执行一次，不会因展开为两次比较而重复调用。
• 短路效应：如果 1 < x 已经为 False，右侧的 x < 5 将根本不会被计算。

3. 幂运算符的“自右向左”结合性

绝大多数二元运算符都是从左向右结合的（例如 10 - 5 - 2 等同于 (10 - 5) - 2 = 3）。但是，幂运算符 ** 是右结合的：

# 表达式计算演示
val = 2 ** 3 ** 2

# 错误直觉（从左到右）：(2 ** 3) ** 2 = 8 ** 2 = 64
# Python 实际行为（从右向左）：2 ** (3 ** 2) = 2 ** 9 = 512
print(val)  # 输出: 512

4. 逻辑运算符的短路求值与真值返回

Python 中的 and 和 or 运算符并不单纯返回布尔类型 True 或 False，而是返回决定最终结果的操作数对象本身，并且严格遵守短路规则：

• expr1 and expr2：先求值 expr1。若其布尔真值为假，则直接返回 expr1，不再求值 expr2；若为真，则求值并返回 expr2。
• expr1 or expr2：先求值 expr1。若其布尔真值为真，则直接返回 expr1，不再求值 expr2；若为假，则求值并返回 expr2。

五、工程实践规范与可读性决策

在实际团队协作和大型项目维护中，代码的可维护性远比炫耀对优先级细节的死记硬背更为重要。Python 之禅（The Zen of Python）明确提出：“显式优于隐式（Explicit is better than implicit）”。

图 5：复杂表达式编写与代码审查决策导图

在日常开发和代码审查（Code Review）中，建议团队遵循以下三条工程实践守则：

# 不推荐：难以迅速验证优先级与短路逻辑
if user.is_active and not user.is_banned or user.role == "admin" and token_valid:
    pass

# 推荐：语义清晰、排查简单、单测友好
is_regular_user = user.is_active and (not user.is_banned)
is_authorized_admin = (user.role == "admin") and token_valid

if is_regular_user or is_authorized_admin:
    pass

import ast

# 打印 Python 实际生成的抽象语法树
expr = "10 + 2 * 3 ** 2 > 25"
tree = ast.parse(expr, mode='eval')
print(ast.dump(tree, indent=2))