1 概念定义
1.1 代码即数据的基本含义
代码即数据（Code as Data）是计算机科学中的一项核心思想，指程序的源代码本身可以被视作一种数据结构，并由此被其他程序读取、操纵、分析或动态生成。这一概念打破了传统上“代码”与“数据”的严格二分法，允许程序员以处理常规数据（如字符串、列表、树）的相同方式来处理程序本身。在实践中，这意味着语言运行时或编译系统将源代码的内部表示暴露给开发者，使其能够编写程序来编写程序，从而实现高度的抽象和自动化。
1.1.1 与“数据即代码”的区分
“代码即数据”与“数据即代码”（Data as Code）是互补但不同的概念。后者强调的是将数据（如配置文件、标记语言文档）直接解释为执行逻辑，例如在Lisp语言中，列表数据可以被eval函数直接求值为代码；或在图灵完备的配置语言（如WebAssembly的WAT格式）中，文本数据本身即是可执行程序。两者的核心区别在于视角：代码即数据关注的是“代码被当作数据来操作”，而数据即代码关注的是“数据被当作代码来执行”。前者往往用于宏系统和元编程，后者则与动态求值和自修改程序紧密相关。
1.2 同像性（Homoiconicity）概念
同像性是代码即数据思想的最严格形式，指一种编程语言的核心表示（其“主要”语法）与语言本身的语法表示高度同构。在同像性语言中，程序的代码与表示该代码的数据结构使用相同的格式，因此程序可以像操作数据一样操纵自身。
1.2.1 同像性的严格定义
严格意义上的同像性要求满足两个条件：第一，语言的所有有效程序都拥有一个规范、无二义的内部表示形式（通常为抽象语法树或列表）；第二，这个内部表示本身就是该语言中合法的一等数据。例如，在Lisp中，一行代码(+ 1 2)就是一个包含三个元素的列表：符号+、数字1和数字2。这个列表可以在语言中被读入、绑定给变量、传递给函数，乃至作为宏的输出。这种自指性使得语言无需额外的解析层即可对自身进行递归处理。
1.2.2 非同像性语言中的模拟方式
大多数主流编程语言（如C、Java、Python）并非同像性语言，它们的代码采用文本字符串或特定的抽象语法树（AST）表示，而这些表示本身并不是该语言的核心数据形式。然而，可以通过外部手段模拟代码即数据的能力：例如，Python通过ast模块将源代码解析为AST节点树，并使用compile()函数重新编译该树；C语言通过预处理器进行宏替换；Java通过字节码库（如ASM）在二进制层面操纵指令。这些方法虽然在语法层面不如同像性语言流畅，但依然能够实现大部分元编程功能，只是需要额外的解析和序列化步骤。
2 历史与发展
2.1 起源：Lisp与S-表达式
代码即数据的思想最早可追溯到1960年代初的Lisp语言。Lisp的设计者John McCarthy创造了一种称为S-表达式（Symbolic Expression，符号表达式）的统一数据结构，用括号包围的列表表示一切：无论是数字、符号还是整个函数定义。这种设计使得Lisp程序能够被自身读取、修改和生成，从而开创了元编程的先河。
2.1.1 John McCarthy的早期论文
1960年，John McCarthy发表了论文《符号表达式及其在递归函数论中的计算》（*Recursive Functions of Symbolic Expressions and Their Computation by Machine*）。在这篇里程碑式的作品中，他描述了如何用列表来表示数学逻辑中的递归函数，并提出了eval函数——一个能够将列表形式的代码“解释”为结果的通用机制。这篇文章奠定了Lisp的核心思想：程序就是列表，列表可以表示程序。
2.1.2 Lisp 1.5 手册中的自举描述
1962年出版的《Lisp 1.5程序员手册》首次完整描述了Lisp的自举能力。书中展示了如何用Lisp本身编写一个Lisp解释器，即将解释器代码表示为S-表达式，由系统读入并执行。这一实践直接证明了“代码即数据”的正确性：解释器本身也是一种数据，可以被其他程序处理。自举的实现成为后来编译器和解释器设计的经典范例。
2.2 其他同像性语言
2.2.1 Scheme与宏系统
Scheme是Lisp方言，以其极简的语法和强大的宏系统闻名。Scheme的syntax-rules宏系统（最早由R. Kent Dybvig等人发展）引入了模式匹配和卫生宏（hygienic macro），避免了传统Lisp宏可能引起的变量捕获问题。Scheme将代码的表示严格与数据（列表）统一，并通过quasiquote（准引用）语法方便地构建代码模板。这使得Scheme成为教学和科研中代码即数据思想的典范。
2.2.2 Clojure与现代JVM实践
Clojure是运行在Java虚拟机（JVM）上的现代Lisp方言。它使用S-表达式作为代码和数据的统一表示，同时利用JVM的反射机制实现高效运行。Clojure的宏系统允许开发者在编译期间任意变换代码结构，而编译器则将这些变换后的数据直接编译为JVM字节码。Clojure也鼓励使用不可变数据结构和纯函数，这与代码即数据的理论高度契合。
2.2.3 非主流语言：Rebol、Julia
Rebol语言（Relative Expression-Based Object Language）采用类似英语的自然语法，但其所有语句都对应一种内部的数据结构（称为“方言”），可以按数据方式操纵。Julia语言则通过元编程支持代码即数据：Julia代码本身可以表示为Expr对象（即AST），Expr可以像其他Julia值一样被创建、组合、传递，并通过eval求值。Julia的宏系统即建立在此能力之上，广泛应用于数值计算领域的自动微分和代码优化。
2.3 元编程与代码即数据的关系
元编程（metaprogramming）是指编写能够处理其他程序的程序。代码即数据是元编程的基石，因为它提供了操纵程序的统一接口。
2.3.1 编译时元编程
编译时元编程发生在程序编译阶段，由宏或编译插件在代码生成前执行。此时，代码的AST被当作数据传递给宏，宏返回一个新的AST，然后编译器继续处理该新代码。例如，Rust的proc_macro允许函数接收标记流（TokenStream）并输出新的标记流，该过程完全基于代码即数据的理念。Lisp中的defmacro和Scheme的syntax-rules也属于此类。
2.3.2 运行时元编程
运行时元编程发生在程序执行期间，通常通过反射或动态代码生成实现。例如，Java的反射库允许在运行时检查类和方法的信息，并使用Proxy动态生成类；Python的exec和eval函数将字符串或AST节点直接解释执行；JavaScript的Function构造器可将字符串转换为可调用函数。这些运行时机制同样依赖代码在内存中呈现为可操作的数据结构（如字节码、AST或字符串）。
3 实现机制
3.1 用数据结构表示代码
3.1.1 抽象语法树（AST）作为数据
抽象语法树是代码结构在内存中最直接的表示。每个节点代表一个语言构造（如循环、函数调用、变量），节点之间的边表示语法关系。AST本身就是一个嵌套的数据结构，可以被遍历、增删改和重组。大多数编程语言的编译器都先解析源代码生成AST，再将其转换为中间表示；而代码即数据的思想要求AST成为语言一等公民，即开发者可以直接使用语言本身的数据类型来创建、组合和操作AST。
3.1.2 列表、向量与符号表
在同像性语言中，列表是最常用的代码表示结构。以Lisp为例，一个列表'(if (> x 0) (print "positive") (print "negative"))直接对应一条if-else表达式。列表的第一个元素是符号（如if、>），后续元素是参数。符号表维护了变量名、函数名等标识符的映射，使代码在阅读和求值过程中能够正确关联到值。向量（不可变列表）在某些场景下提供更高效的结构，例如Clojure的向量用于表示函数调用中的参数序列。
3.1.3 语法引用与准引用
直接构建代码的数据结构可能冗长且易错。语法引用（quasiquote）提供了一种模板化方式：在反引号（` `）内编写代码模板，使用逗号（,）标记需要从外部插入或求值的部分。例如，在Scheme中， (if ,condition ,then ,else)`会构建一个if表达式AST，其中condition、then、else`是预先计算好的数据。准引用（quasiquote）是语法引用的扩展，允许在模板内部进行更精细的拼接和嵌套。
3.2 宏系统
宏系统将代码即数据的能力推至极致：宏在编译期接收未求值的代码片段（作为数据），对其进行任意变换，再返回新的代码片段。
3.2.1 模式匹配宏（如Scheme的syntax-rules）
模式匹配宏使用声明式规则定义宏行为。在Scheme中，(define-syntax my-when (syntax-rules () ((my-when condition body ...) (if condition (begin body ...)))))会匹配模式(my-when condition body ...)并将其重写为(if condition (begin body ...))。这种宏系统无需复杂的运行时计算，仅通过模式匹配和代码替换实现，保证了宏的安全性（如卫生性）。
3.2.2 过程宏（如Rust的proc_macro）
Rust的过程宏是函数，接收一个TokenStream输入（代表宏调用处的一部分代码），返回一个新的TokenStream输出。过程宏可以在编译时读取文件、执行网络请求、进行复杂计算，然后生成任意代码。例如，#[derive(Debug)]宏就是过程宏，它读取结构体的定义并自动生成Debug trait的实现。过程宏的优势在于完全可编程性，但需要谨慎处理以避免语法错误和循环依赖。
3.2.3 Lisp的defmacro与 gensym
传统Lisp的defmacro允许开发者编写执行任意计算的宏函数。宏函数在调用时接收的是未求值的形式参数（即代码列表），函数体对该列表进行操作，返回新列表。但由于宏展开可能引入新的符号（如临时变量），旧式宏容易造成符号冲突。为此，gensym函数生成唯一的、不与任何现有符号冲突的临时符号，用来确保宏展开的卫生性。例如，(defmacro swap (a b) (let ((temp (gensym))) (let ((,temp ,a)) (setq ,a ,b) (setq ,b ,temp))))`。
3.3 反射与代码生成
3.3.1 Java反射与字节码生成
Java反射包（java.lang.reflect）允许在运行时查看类的字段、方法、构造器，并调用它们。通过Proxy类和InvocationHandler，可以创建实现任意接口的代理对象。字节码生成库（如ASM、ByteBuddy）则更进一步，允许在内存中直接构造、修改Java字节码（.class文件的结构表示），实现运行时动态生成新类，这实质上是在二进制层面将“代码”作为“数据”操作。
3.3.2 Python的exec/eval与AST模块
Python的exec()和eval()函数接收字符串并执行或求值其中包含的Python代码。Python标准库中的ast模块则提供了“代码作为AST数据”的接口：ast.parse()将字符串转换为AST节点树，开发者可以遍历、修改该树，再用compile()将其编译为字节码并使用。例如，ast.walk可遍历所有节点，实现代码转换（如将print语句改为日志调用）。
3.3.3 代码模板与字符串插值（如C预处理器）
C语言的预处理器（CPP）通过#define和#include进行文本级处理。尽管它不涉及AST，但本质上还是将代码视为文本字符串，并在编译前进行替换、拼接和条件包含。现代语言如JavaScript的模板字符串（${}）可以在运行时构建代码字符串并调用eval或new Function实现动态代码生成这种方法简单粗暴，但容易引起安全问题和性能问题。
4 应用场景
4.1 领域特定语言（DSL）
代码即数据使得语言可以灵活扩展，以更好地支持特定领域问题的表达。
4.1.1 嵌入式DSL（如SQL、正则表达式）
嵌入式DSL是指在宿主语言内部，利用宏或类型系统创建的、语法上接近域语言的表达形式。例如，Rust的sqlx库使用过程宏query!("SELECT * FROM users WHERE id = ?")，在编译期解析SQL并用类型化的代码替换它；Python的re模块使用正则表达式字符串，内部解析为状态机或代码。代码即数据在这里体现在：输入DSL字符串被宏或函数当作数据接收，并转换为高效的内部代码。
4.1.2 外部DSL构建（如ANTLR）
外部DSL是与宿主语言完全分离的、有自己语法的语言。构建外部DSL需要编写解析器，而解析器本身往往由编译器的编译器（如ANTLR、Yacc）生成。这些工具读取DSL的语法文件（本身也是数据），生成对应的解析代码，从而实现了“用数据（语法文件）生成代码（解析器）”的模式。
4.2 编译器设计、解释器与转译器
4.2.1 自举编译器
自举编译器是指一种语言的编译器是用该语言本身编写的。例如，最初的C编译器在K&R C中实现，更高版本使用ISO C实现；Go编译器的1.x版本几乎全部用Go自己重写。自举的实现依赖代码即数据：编译器的源代码可以被其他编译器（或解释器）当作数据读取和执行，从而逐步建立完整的编译链。Lisp的自举过程尤为知名——一个极小的“eval-apply”解释器可以逐步扩展为完整的编译系统。
4.2.2 即时编译（JIT）中的代码生成
JIT编译器（如Java的HotSpot、JavaScript的V8）在运行时分析热点代码，将其编译为机器码。代码生成阶段，JIT将中间表示（IR）视为数据，遍历后发射出二进制指令序列。在许多JIT实现中，代码生成器直接操作指令模板（如汇编模板的字符串或结构体），实现“从IR数据到机器代码”的代码即数据流程。
4.2.3 转译为JavaScript（如TypeScript、Babel）
TypeScript编译器、Babel等转译器接收源代码字符串或AST，进行类型检查、转换（如箭头函数转为普通函数），最后输出JavaScript代码。这里的输入（TypeScript代码）被解析为AST（数据），经过一系列变换后，再次生成代码字符串。插件系统（如Babel的plugins）允许开发者编写在AST上运行的转换逻辑，这正是代码即数据理念的实践。
4.3 程序分析与优化
4.3.1 静态分析工具（如Lint、形式化验证）
静态分析工具（如ESLint、Pylint）将源代码解析为AST，然后对AST进行遍历，检查是否符合编码规范或是否存在潜在错误。形式化验证工具（如Theorem Provers）将程序转化为逻辑公式（一种数据表示），利用数学推理证明其正确性。这些工具都将代码降至可操作的数据结构，再执行分析。
4.3.2 自动重构与代码变换
现代IDE的重构功能（如“重命名变量”“提取方法”）直接操作AST：修改节点名称、移动子树，再将修改后的AST序列化为新源代码。一些代码格式化工具（如Prettier、clang-format）也基于同样的原理。代码即数据使得这些变换成为可能——如果代码只是文本字符串，那么细粒度的重构将极为困难。
4.3.3 程序合成（Program Synthesis）
程序合成旨在从规范（如示例输入/输出）中自动生成代码。典型方法包括归纳合成和语义搜索。合成器通常将可能的程序表示为某种数据形式（如AST、原始序列），并通过搜索或学习来找到满足规范的代码。例如，Microsoft的DeepCoder模型将程序表示为向量数据，由神经网络推断出合适的高层级结构。合成的输出是一个代码AST，之后可被编译执行。
5 优势与挑战
5.1 优势
5.1.1 灵活性：任意操纵语法结构
代码即数据允许程序员以编程方式创建、移动和删除语法节点，而不受文本层次的限制。例如，可以编写一个通用“领域抽象”宏，将重复出现的代码模式一次性提取出来。这种灵活性在语言的自定义语法、DSL嵌入和编译器优化中极为有用，使语言能够“长出”新的结构。
5.1.2 表达能力：宏消除重复模式
宏系统（尤其是同像性语言的宏）能消除大量样板代码。例如，在Rust中，通过过程宏可以自动实现序列化/反序列化、生成相等比较函数；在Clojure中，一个简单的宏可以创建用于测试断言(deftest ...)的语法糖。这种能力减少了手动编码的错误，提高了开发效率。
5.1.3 可组合性：数据与函数统一处理
在同像性语言中，函数和数据结构使用相同的格式（列表/向量），因此高阶函数和常用算法（如map、filter、reduce）即可直接应用于代码本身。例如，一个遍历所有代码节点的函数可以像遍历列表元素那样简单。这种统一意味着所有针对数据结构的变换算法都天然适用于代码，极大地提高了抽象重用率。
5.2 挑战
5.2.1 可读性与调试难度
代码即数据的程序（尤其是宏）往往以一种“代码的代码”形式存在，这使得阅读和理解其逻辑变得困难。宏展开后的代码可能与原始代码大相径庭，造成调试时的“黑盒”效应。例如，Lisp宏生成的控制流复杂时，宏的堆栈信息和行号可能不准确，导致程序员无法直接定位问题。这对于新手尤其不友好。
5.2.2 安全风险：代码注入与混淆
动态代码生成（如eval字符串、执行运行时生成的AST）容易引入安全漏洞。如果恶意输入被当作代码执行（如SQL注入、eval用户输入），可能造成数据泄露或系统崩溃。即使是在宏系统内，不卫生的宏也可能意外捕获外部变量，导致逻辑错误。因此，使用代码即数据时，必须严格限定代码的来源和使用范围。
5.2.3 性能开销：序列化/反序列化AST
将代码表示为数据而后重新编译，往往涉及额外的解析、序列化和类型检查开销。在宏展开阶段，庞大的AST在内存中传递和变换会消耗时间和内存；在运行时，调用eval或动态编译更是比静态编译慢得多。例如，Python中大量使用eval会显著降低性能，因为每次求值都需要重新编译。因此，性能敏感环境中需要对代码即数据的使用频率和规模保持谨慎。
6 相关概念
6.1 数据与程序的统一（Church-Turing论题）
Church-Turing论题指出，任何可计算函数都能被图灵机计算。更抽象地，数据和过程本质上都是符号的变换，两者并无根本区别。代码即数据在实践中印证了这一论题：程序就是符号序列，而符号序列又可以是数据，因此程序可以在自身之上操作。Lambda演算（Church的成果）本身也以高阶函数的方式体现了数据和函数的统一性，所有值都是一等公民。
6.2 反射与内省
反射（Reflection）是指程序在运行时拥有检查和修改自身结构的能力，内省（Introspection）是其中用于观察自身的能力。代码即数据是反射的底层基础设施：只有代码能够作为数据被读取，程序才能获取自身的AST，从而进行内省。许多语言的反射API（如Python的inspect模块、Java的Class对象）依赖于将代码的编译后表示（字节码或符号表）暴露给编程者。
6.3 基本数据与代码的相似性
S-表达式、JSON、XML等数据格式与代码具有形式上的相似性。JSON中的对象和数组可以看作是代码的结构化表示；XML的标签树也可以类比为语法树。因此，一些语言利用JSON或XML作为中间表示，构造出“代码即JSON”或“代码即XML”的范式。例如，XML作为配置文件被解析为DSL（如Ant的构建文件），或者JSON作为数据格式用于实现声明式UI（如React的JSX）。
6.4 图灵完备的数据格式
某些数据格式本身是图灵完备的，即这类格式可以表示任何可计算函数，因而能够充当编程语言本身。例如，JSON结合eval函数（如JavaScript中的JSON.parse并立即求值）具有图灵完备性；Lisp的S-表达式列表始终是图灵完备的。这种图灵完备性意味着理论上可以通过纯数据格式来“运行”程序，实现“数据即代码”。
7 扩展阅读与参考文献
7.1 经典文献
7.1.1 《Structure and Interpretation of Computer Programs》
由Harold Abelson和Gerald J. Sussman撰写，被誉为计算机科学教育的圣经。书中大量篇幅探讨了如何将程序表示为数据（特别是Lisp中的eval和元循环解释器），是学习代码即数据思想的入门必读。
7.1.2 《Let Over Lambda》
由Doug Hoyte撰写，深入研究了Lisp宏的先进技巧，包括闭包、捕获、gensym和宏展开的陷阱。该书直接以“let over lambda”这种宏模式命名，是对代码即数据能力在宏层面运用的全面演示。
7.2 在线资源
7.2.1 Wikipedia: Homoiconicity
维基百科词条“Homoiconicity”提供了同像性定义、历史和各语言示例。它是获取标准定义和比较的最佳起点，持续由社区维护更新。
7.2.2 社区讨论与实战教程
- Rust用户论坛：关于proc_macro的大量示例和讨论。（https://users.rust-lang.org）
- Clojure社区：关于宏和DSL的系列文章及Clojure For the Brave and True教程。
- Scheme学习资源：Scheme的
macro小论文集合（如“Hygienic Macro Expansion” by Kohlbecker等人）。 - GitHub仓库：多个开源项目（如Babel插件、Rust宏用例）将代码即数据理论应用于实际生产，可以提供良好的实战参考。