Python这些年风头一直很盛，占据了很多领域的位置，Web、大数据、人工智能、运维均有它的身影，甚至图形界面做的也很顺，乃至full-stack这个词语刚出来的时候，似乎就是为了描述它。
Python虽有GIL的问题导致多线程无法充分利用多核，但后来的multiprocess可以从多进程的角度来利用多核，甚至affinity可以绑定具体的CPU核，这个问题也算得到解决。虽基本为全栈语言，但有的时候为了效率，可能还是会去考虑和C语言混编。混编是计算机里一个不可回避的话题，涉及的东西很多，技术、架构、团队情况、管理、客户等各个环节可能对其都有影响，混编这个问题我想到时候再开一贴专门讨论。本文只讲python和C混编的方式，大致有如下几种方式（本文背景是linux，其他平台可以类比）：
共享库
使用C语言编译产生共享库，然后python使用ctype库里的cdll来打开共享库。
举例如下，C语言代码为
|
1
2
3
4
|
/* func.c */int func(int a){ return a*a;} |
python代码为
|
1
2
3
4
5
6
7
|
#!/usr/bin/env python#test_so.pyfrom ctypes import cdllimport osp = os.getcwd() + '/libfunc.so'f = cdll.LoadLibrary(p)print f.func(99) |
测试如下
|
1
2
3
|
$ gcc -fPIC -shared func.c -o libfunc.so $ ./test_so.py 9801 |
subprocess
C语言设计一个完整的可执行文件，然后python通过subprocess来执行该可执行文件，本质上是fork+execve。
举例如下，C语言代码为
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
/* test.c */#include <stdio.h>int func(int a){ return a*a;}int main(int argc, char **argv){ int x; sscanf(argv[1], "%d", &x); printf("%d\n", func(x)); return 0;} |
Python代码为
#!/usr/bin/env python
# test_subprocess.py
import os
import subprocess
subprocess.call([os.getcwd()+'/a.out', '99'])
测试如下
$ gcc test.c -o a.out
$ ./test_subprocess.py
9801
C语言中运行python程序
C语言使用popen/system或者直接以系统调用级fork+exec来运行python程序也是一种混编的手段了。
举例如下，Python代码如下
|
1
2
3
4
5
|
#!/usr/bin/env python# test.pyimport sysx = int(sys.argv[1])print x*x |
C语言代码如下
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
|
/* test.c */#include <stdio.h>#include <stdlib.h>int main(){ FILE *f; char s[1024]; int ret; f = popen("./test.py 99", "r"); while((ret=fread(s,1,1024,f))>0) { fwrite(s,1,ret,stdout); } fclose(f); return 0;} |
测试如下
|
1
2
3
|
$ gcc test.c $ ./a.out9801 |
python对C语言扩展的支持
很多编程语言都为C语言扩展添加了支持，这有两种原因：(1)语言设计之初，可以充分的利用C语言已有的库来做很多扩展；(2)C语言的运行效率高。
python也不例外，从诞生那天起，很多库都是C语言写的。python的C语言扩展中涉及到python的数据结构与C语言的对应，扩展方法其实是用C语言编写一个共享库，只是这个共享库中的接口是一个规范的，可以被python识别的。
为了说明如何扩展，我这里先假设一个在python下的函数功能，代码如下
|
1
2
3
4
5
|
def func(*a): res=1 for i in range(len(a)): res *= sum(a[i]) return res |
如上，希望的函数功能是，参数是任意多个数字组成的列表（姑且排除其他数据结构），返回每个列表的元素之和的乘积。
姑且先把python代码写了，如下所示
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
|
#!/usr/bin/env python# test.pyimport colindef func(*a): res=1 for i in range(len(a)): res *= sum(a[i]) return resa = [1,2,3]b = [4,5,6]c = [7,8]d = [9]e = [10,11,12,13,14]f = colin.func2(99)g = colin.func3(a,b,c,d,e)h = func3(a,b,c,d,e)print "f = ",fprint "g = ",gprint "h = ",h |
带上之前一直测试的平方func，这个实现相对简单，希望python写出来的func可以和C语言扩展出来的结果一致。
先用C语言写上这些函数的实现，其中func3用上了一个表示任意多个任意长的数组的数据结构y_t,而x_t用来表示单个数组。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
/* colin.h */#ifndef Colin_h#define Colin_htypedef struct { int *a; int len;} x_t;typedef struct { x_t *ax; int len;} y_t;int func2(int a);int func3(y_t *p);void free_y_t(y_t *p);#endif |
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
|
/* colin.c */#include "colin.h"#include <stdlib.h>int func2(int a){ return a*a;}int func3(y_t *p){ int result; int sum; int i, j; result = 1; for(i=0;i<p->len;i++) { sum = 0; for(j=0;j<p->ax[i].len;j++) sum += p->ax[i].a[j]; result *= sum; } return result;}void free_y_t(y_t *p){ int i; for(i=0;i<p->len;i++) { free(p->ax[i].a); } free(p->ax);} |
上面定义了三个函数，func2代表平方，func3代表之前所说的功能，又因y_t这个结构可能都是动态分配出来的，所以给个归还内存的方法。
刚才说过python扩展的话，需要把这个共享库的接口“标准化”一下。于是我们就包装一下，并给个python加载的入口。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
|
/* wrap.c */#include <Python.h>#include <stdlib.h>#include "colin.h"PyObject* wrap_func2(PyObject* self, PyObject* args){ int n, result; /* 从参数列表中导出一个整形，用"i" */ if (!PyArg_ParseTuple(args, "i", &n)) return NULL; /* 用C语言的库实现来计算 */ result = func2(n); /* 计算结果必须要导成python识别的类型 */ return Py_BuildValue("i", result);}PyObject* wrap_func3(PyObject* self, PyObject* args){ int n, result; int i, j; int size, size2; PyObject *p,*q; y_t *y; y = malloc(sizeof(y_t)); /* 先数数有多少个参数，也就是列表的个数 */ size = PyTuple_Size(args); /* 把数组的个数先分配了 */ y->len = size; y->ax = malloc(sizeof(x_t)*size); /* 遍历python里各个列表(参数) */ for(i=0;i<size;i++) { /* 先获得第i个参数，是一个列表 */ p = PyTuple_GetItem(args, i); /* 获得列表的长度 */ size2 = PyList_Size(p); /* 为数组分配好空间 */ y->ax[i].len = size2; y->ax[i].a = malloc(sizeof(int)*size2); /* 遍历列表，依次把列表里的数转到数组里 */ for(j=0;j<size2;j++) { q = PyList_GetItem(p, j); PyArg_Parse(q,"i",&y->ax[i].a[j]); } } /* 用C语言的库实现来计算 */ result = func3(y); free_y_t(y); free(y); /* 结果转成python识别格式 */ return Py_BuildValue("i", result);}/* 这是接口列表，加载时是只加载此列表的地址，所以这个数据结构不能放栈（局部变量）内，会被清掉 */static PyMethodDef colinMethods[] ={ {"func2", wrap_func2, METH_VARARGS, "Just a test"}, {"func3", wrap_func3, METH_VARARGS, "Just a test"}, {NULL, NULL, METH_NOARGS, NULL}};/* python加载的时候的接口 *//* 注意，既然库名叫colin,此函数必须交initcolin */void initcolin(){ PyObject *m; m = Py_InitModule("colin", colinMethods);} |
过程中，我猜测PyArg_VaParse应该功能更为强大，可是反复测没有成功，也没细看文档。
测试一下
|
1
2
3
4
5
|
$ gcc -I /usr/include/python2.7/ -fPIC -shared colin.c wrap.c -o colin.so $ ./test.py f = 9801 g = 729000 h = 729000 |
可以看到，C语言写的函数和python写的函数结果一致。
以上这篇浅谈python和C语言混编的几种方式(推荐)就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持服务器之家。
原文链接：http://www.cnblogs.com/Colin-Cai/archive/2017/09/26/7594551.html
