从Python调用C/C++？

你应该看一下Boost.Python.以下是他们网站的简短介绍:

Boost Python Library是一个用于连接Python和C++的框架.它允许您快速无缝地将C++类函数和对象公开给Python,反之亦然,不使用特殊工具 - 只需使用C++编译器.它旨在非侵入性地包装C++接口,因此您不必更改C++代码以包装它,使Boost.Python成为将第三方库公开给Python的理想选择.该库使用高级元编程技术简化了用户的语法,因此包装代码具有一种声明性接口定义语言(IDL)的外观.

最快的方法是使用SWIG.

SWIG 教程中的示例:

/* File : example.c */
int fact(int n) {
    if (n <= 1) return 1;
    else return n*fact(n-1);
}

接口文件:

/* example.i */
%module example
%{
/* Put header files here or function declarations like below */
extern int fact(int n);
%}

extern int fact(int n);

在Unix上构建Python模块:

swig -python example.i
gcc -fPIC -c example.c example_wrap.c -I/usr/local/include/python2.7
gcc -shared example.o example_wrap.o -o _example.so

用法:

>>> import example
>>> example.fact(5)
120

请注意,您必须拥有python-dev.另外在某些系统中,python头文件将基于你安装它的方式在/usr/include/python2.7中.

从教程:

SWIG是一个相当完整的C++编译器,几乎支持所有语言功能.这包括预处理,指针,类,继承,甚至C++模板.SWIG还可用于将结构和类打包到目标语言的代理类中 - 以非常自然的方式公开底层功能.

我从这个页面开始我的Python < - > C++绑定之旅,目的是链接高级数据类型(多维STL向量和Python列表):-)

在尝试了基于ctypes和boost.python(而不是软件工程师)的解决方案后,我发现当需要高级数据类型绑定时它们很复杂,而我发现SWIG对于这种情况更加简单.

这个例子因此使用了SWIG,并且已经在Linux中进行了测试(但是SWIG可用并且在Windows中也被广泛使用).

目标是使Python可以使用C++函数,该函数采用2D STL向量形式的矩阵并返回每行的平均值(作为1D STL向量).

C++中的代码("code.cpp")如下:

#include 
#include "code.h"

using namespace std;

vector average (vector< vector > i_matrix) {

  // Compute average of each row..
  vector  averages;
  for (int r = 0; r < i_matrix.size(); r++){
    double rsum = 0.0;
    double ncols= i_matrix[r].size();
    for (int c = 0; c< i_matrix[r].size(); c++){
      rsum += i_matrix[r][c];
    }
    averages.push_back(rsum/ncols);
  }
  return averages;
}

等效标题("code.h")是:

#ifndef _code
#define _code

#include 

std::vector average (std::vector< std::vector > i_matrix);

#endif

我们首先编译C++代码来创建一个目标文件:

g++ -c -fPIC code.cpp

然后,我们为C++函数定义SWIG接口定义文件("code.i").

%module code
%{
#include "code.h"
%}
%include "std_vector.i"
namespace std {

  /* On a side note, the names VecDouble and VecVecdouble can be changed, but the order of first the inner vector matters! */
  %template(VecDouble) vector;
  %template(VecVecdouble) vector< vector >;
}

%include "code.h"

使用SWIG,我们从SWIG接口定义文件生成C++接口源代码.

swig -c++ -python code.i

我们最终编译生成的C++接口源文件并将所有内容链接在一起以生成可由Python直接导入的共享库("_"很重要):

g++ -c -fPIC code_wrap.cxx  -I/usr/include/python2.7 -I/usr/lib/python2.7
g++ -shared -Wl,-soname,_code.so -o _code.so code.o code_wrap.o

我们现在可以在Python脚本中使用该函数:

#!/usr/bin/env python

import code
a= [[3,5,7],[8,10,12]]
print a
b = code.average(a)
print "Assignment done"
print a
print b

查看pyrex或Cython.它们是类似Python的语言,用于连接C/C++和Python.

还有pybind11,就像Boost.Python的轻量级版本,兼容所有现代C++编译器:

https://pybind11.readthedocs.io/en/latest/

本文声称Python完全是科学家需要的,基本上说:首先用Python编写原型.然后,当您需要加速部分时,使用SWIG并将此部分转换为C.

对于现代C++,请使用cppyy:http://cppyy.readthedocs.io/en/latest/

它基于Cling,Clang/LLVM的C++解释器.绑定是在运行时,不需要额外的中间语言.感谢Clang,它支持C++ 17.

使用pip安装它:

    $ pip install cppyy

对于小项目,只需加载相关的库和您感兴趣的标题.例如,从ctypes示例获取代码是此线程,但在头部和代码部分中分开:

    $ cat foo.h
    class Foo {
    public:
        void bar();
    };

    $ cat foo.cpp
    #include "foo.h"
    #include 

    void Foo::bar() { std::cout << "Hello" << std::endl; }

编译它:

    $ g++ -c -fPIC foo.cpp -o foo.o
    $ g++ -shared -Wl,-soname,libfoo.so -o libfoo.so  foo.o

并使用它:

    $ python
    >>> import cppyy
    >>> cppyy.include("foo.h")
    >>> cppyy.load_library("foo")
    >>> from cppyy.gbl import Foo
    >>> f = Foo()
    >>> f.bar()
    Hello
    >>>

通过自动加载准备好的反射信息和cmake片段来支持大型项目来创建它们,以便已安装软件包的用户可以简单地运行:

    $ python
    >>> import cppyy
    >>> f = cppyy.gbl.Foo()
    >>> f.bar()
    Hello
    >>>

借助LLVM,可以实现高级功能,例如自动模板实例化.继续这个例子:

    >>> v = cppyy.gbl.std.vector[cppyy.gbl.Foo]()
    >>> v.push_back(f)
    >>> len(v)
    1
    >>> v[0].bar()
    Hello
    >>>

注意:我是cppyy的作者.

我从未使用它,但我听说过关于ctypes的好东西.如果您正在尝试将其与C++一起使用,请务必避免通过名称修改extern "C".感谢您的评论,FlorianBösch.

我认为python的cffi可以是一个选项.

目标是从Python调用C代码.你应该能够在不学习第三语言的情况下这样做:每个选择都要求你学习他们自己的语言(Cython,SWIG)或API(ctypes).因此,我们尝试假设您了解Python和C,并最大限度地减少您需要学习的额外API.

http://cffi.readthedocs.org/en/release-0.7/

问题是，如果我理解正确的话，如何从Python调用C函数。然后最好的选择是Ctypes（BTW可在所有Python变体中移植）。

>>> from ctypes import *
>>> libc = cdll.msvcrt
>>> print libc.time(None)
1438069008
>>> printf = libc.printf
>>> printf("Hello, %s\n", "World!")
Hello, World!
14
>>> printf("%d bottles of beer\n", 42)
42 bottles of beer
19

有关详细指南，您可能需要参考我的博客文章。

其中一个官方Python文档包含有关使用C/C++扩展Python的详细信息.即使不使用SWIG,它也非常简单,在Windows上运行良好.

首先，您应该确定自己的特定目的。上面提到了有关扩展和嵌入Python解释器的官方Python文档，我可以添加一个很好的二进制扩展概述。用例可分为3类：

加速器模块：运行速度比CPython中运行的等效纯Python代码更快。

包装模块：将现有的C接口公开给Python代码。

低级系统访问：访问CPython运行时，操作系统或底层硬件的低级功能。

为了给其他感兴趣的人一个更广阔的视野，并且由于您的最初问题有点含糊（“对C或C ++库”），我认为此信息可能对您很有趣。在上面的链接上，您可以了解使用二进制扩展名及其替代方法的缺点。

除了建议的其他答案外，如果您需要加速器模块，还可以尝试Numba。它的工作原理是“通过在导入时，运行时或静态（使用附带的pycc工具）使用LLVM编译器基础结构生成优化的机器代码”。

除非您期望编写Java包装程序，否则Cython绝对是必经之路，在这种情况下，SWIG可能更可取。

我建议使用runcython命令行实用程序，它使使用Cython的过程非常容易。如果您需要将结构化数据传递给C ++，请查看Google的protobuf库，它非常方便。

这是我使用这两种工具的最小示例：

https://github.com/nicodjimenez/python2cpp

希望它可以是一个有用的起点。