C++_python_相互之间的包含调用方法

1、C++的代码封装成插件或者封装成库，供python调用

C++ 代码完全可以封装成插件或库，供 Python 调用。这是 Python 生态中非常常见且成熟的做法，尤其在需要高性能计算、调用底层系统功能或复用已有 C/C++ 代码时。

以下是几种主流方法：

✅ 方法一：使用 pybind11（最推荐）

pybind11 是一个轻量级、现代的 C++ 库，专为将 C++ 代码暴露给 Python 而设计。语法简洁，支持 C++11 及以上特性（如类、重载、STL 容器等）。

示例步骤：

复制代码

编写 C++ 代码（example.cpp）：

bash 复制代码

#include <pybind11/pybind11.h>

int add(int a, int b) {
    return a + b;
}

PYBIND11_MODULE(example, m) {
    m.doc() = "pybind11 example plugin";
    m.def("add", &add, "A function that adds two numbers");
}

编译为 Python 模块（使用 setup.py）：

bash 复制代码

# setup.py
from setuptools import setup, Extension
from pybind11.setup_helpers import Pybind11Extension, build_ext

ext_modules = [
    Pybind11Extension(
        "example",          # 模块名
        ["example.cpp"],    # 源文件
    ),
]

setup(
    name="example",
    ext_modules=ext_modules,
    cmdclass={"build_ext": build_ext},
    zip_safe=False,
)

构建并安装：

bash 复制代码

pip install pybind11

python setup.py build_ext --inplace

在 Python 中调用：

bash 复制代码

import example
print(example.add(2, 3))  # 输出 5

复制代码

✅ 优点：开发简单、性能高、自动类型转换、支持复杂 C++ 特性
🔧 依赖：需安装 pybind11（pip install pybind11）

✅ 方法二：使用 Python C API（官方底层接口）

直接使用 Python 提供的 C API 编写扩展模块（.so 或 .pyd）。这是最底层的方式，但代码繁琐。

示例（简化）：

bash 复制代码

// example.c
#include <Python.h>

static PyObject* add(PyObject* self, PyObject* args) {
    int a, b;
    if (!PyArg_ParseTuple(args, "ii", &a, &b))
        return NULL;
    return PyLong_FromLong(a + b);
}

static PyMethodDef methods[] = {
    {"add", add, METH_VARARGS, "Add two integers"},
    {NULL, NULL, 0, NULL}
};

static struct PyModuleDef module = {
    PyModuleDef_HEAD_INIT,
    "example",
    NULL,
    -1,
    methods
};

PyMODINIT_FUNC PyInit_example(void) {
    return PyModule_Create(&module);
}

然后用 setup.py 编译（类似上面，但不用 pybind11）。

✅ 优点：不依赖第三方库

❌ 缺点：代码冗长、易出错、需手动管理引用计数

✅ 方法三：使用 Cython

Cython 是 Python 的超集，可将 .pyx 文件编译为 C 扩展。你可以在 Cython 中调用 C/C++ 代码，并暴露给 Python。

适合场景：已有 C++ 代码，想通过中间层包装。

复制代码

✅ 优点：与 NumPy 集成好，适合数值计算
⚠️ 注意：需学习 Cython 语法

✅ 方法四：封装为动态链接库 + ctypes / cffi

如果你不想生成 Python 扩展模块，也可以：

复制代码

将 C++ 函数用 extern "C" 导出为 C 接口（避免 C++ 名称修饰）
编译为 .so（Linux/macOS）或 .dll（Windows）
在 Python 中用 ctypes 或 cffi 加载调用

示例（C++ 端）：

bash 复制代码

// mathlib.cpp
extern "C" {
    int add(int a, int b) {
        return a + b;
    }
}

编译：

bash 复制代码

g++ -shared -fPIC -o mathlib.so mathlib.cpp

Python 调用：

bash 复制代码

import ctypes
lib = ctypes.CDLL("./mathlib.so")
lib.add.argtypes = (ctypes.c_int, ctypes.c_int)
lib.add.restype = ctypes.c_int
print(lib.add(2, 3))  # 5

复制代码

✅ 优点：无需 Python 扩展构建系统，跨语言通用
❌ 缺点：只能导出 C 风格接口，不支持类、异常、STL 等 C++ 特性

五、 📌 总结对比

表格

方法	易用性	性能	支持 C++ 特性	适用场景
pybind11	⭐⭐⭐⭐⭐	高	完全支持（类、模板、STL）	首选方案
Python C API	⭐⭐	高	需手动封装	底层开发/无第三方依赖
Cython	⭐⭐⭐	高	有限支持	数值计算、与 NumPy 集成
ctypes/cffi	⭐⭐⭐	中	仅 C 接口	快速调用简单函数

💡 建议

复制代码

新项目 → 优先用 pybind11
已有 C 函数库 → 用 ctypes 快速集成
高性能数值计算 → 考虑 Cython
嵌入式/受限环境 → 用原生 C API

2、python的代码封装成插件或者封装成库，供C++调用

Python 代码可以封装成库或插件供 C++ 调用，但通常需要借助一些特定的技术或工具。以下是几种主流方法：

方法一：使用 Python/C API（官方接口）

这是 Python 官方提供的 C 接口，C++ 可以通过它嵌入 Python 解释器并调用 Python 代码。

步骤简述：

复制代码

在 C++ 项目中链接 Python 的动态库（如 libpython3.x.so 或 python3x.lib）。
使用 Py_Initialize() 初始化解释器。
用 PyRun_SimpleString() 或 PyObject_CallObject() 等函数加载并调用 Python 模块/函数。
处理 Python 对象与 C++ 数据类型的转换。
最后调用 Py_Finalize() 清理。

示例（简化）：

bash 复制代码

#include <Python.h>

int main() {
    Py_Initialize();
    PyRun_SimpleString("import sys; sys.path.append('.')");
    PyRun_SimpleString("import mymodule");
    PyRun_SimpleString("mymodule.my_function()");
    Py_Finalize();
    return 0;
}

复制代码

✅ 优点：直接、灵活
❌ 缺点：需手动管理引用计数、错误处理复杂、依赖 Python 环境

方法二：使用 pybind11（推荐）

虽然 pybind11 主要用于将 C++ 暴露给 Python，但它也支持反向操作------在 C++ 中嵌入 Python。

不过更常见的是：将核心逻辑写成 C++，用 pybind11 暴露给 Python；如果已有 Python 代码想被 C++ 调用，仍建议用 Python/C API 或生成可执行接口。

但 pybind11 本身不直接"让 C++ 调用任意 Python 函数"变得简单，它更擅长反向绑定。

方法三：将 Python 封装为独立服务（进程间通信）

如果不想在 C++ 中嵌入 Python 解释器，可以把 Python 代码做成一个独立的服务（如 HTTP API、gRPC、ZeroMQ、共享内存、管道等），C++ 通过 IPC 调用。

例如：

复制代码

Python 启动一个 Flask/FastAPI 服务
C++ 用 libcurl 发送 HTTP 请求调用该服务

✅ 优点：解耦、跨语言、稳定
❌ 缺点：有网络开销、部署复杂度略高

方法四：将 Python 编译为共享库（较难）

有一些工具尝试将 Python 编译成原生二进制（如 Cython、Nuitka、Shiv、PyOxidizer），但：

复制代码

Nuitka 可以将 Python 编译成 C++ 扩展模块（.so / .dll），但这些模块仍是供 Python 调用的，不是直接供 C++ 调用。
目前没有成熟方案能将任意 Python 代码直接编译成标准 C++ 可链接的 .so 库（像 C 函数那样被 extern "C" 调用）。

所以这条路通常不可行，除非你用 Cython 重写部分代码为 .pyx 并导出 C 接口。

实用建议：

场景	推荐方案
C++ 需频繁调用少量 Python 脚本	使用 Python/C API 嵌入解释器
Python 逻辑复杂、需长期运行	将 Python 做成微服务，C++ 通过网络调用
性能敏感、低延迟	重写关键部分为 C++，用 pybind11 让 Python 调用 C++（反向）
不想依赖 Python 运行时	考虑用 Cython 重写并导出 C 接口

补充：构建注意事项

复制代码

C++ 项目需链接 Python 开发库（如 Ubuntu 上 sudo apt install python3-dev）
注意 Python 版本匹配（3.8/3.9/3.10...）
多线程环境下需注意 GIL（全局解释器锁）

C++_python_相互之间的包含调用方法

1、C++的代码封装成插件或者封装成库，供python调用

✅ 方法一：使用 pybind11（最推荐）

✅ 方法二：使用 Python C API（官方底层接口）

✅ 方法三：使用 Cython

✅ 方法四：封装为 动态链接库 + ctypes / cffi

五、 📌 总结对比

2、python的代码封装成插件或者封装成库，供C++调用

方法一：使用 Python/C API（官方接口）

方法二：使用 pybind11（推荐）

方法三：将 Python 封装为 独立服务（进程间通信）

方法四：将 Python 编译为 共享库（较难）

补充：构建注意事项

✅ 方法四：封装为动态链接库 + ctypes / cffi

方法三：将 Python 封装为独立服务（进程间通信）

方法四：将 Python 编译为共享库（较难）