这篇文章主要介绍了将Python代码嵌入C++程序进行编写的实例,尽管通常还是Python代码中调用C++程序的情况较多...需要的朋友可以参考下
站在用户的角度思考问题，与客户深入沟通，找到铅山网站设计与铅山网站推广的解决方案，凭借多年的经验，让设计与互联网技术结合，创造个性化、用户体验好的作品，建站类型包括：成都网站设计、做网站、企业官网、英文网站、手机端网站、网站推广、主机域名、虚拟空间、企业邮箱。业务覆盖铅山地区。
把python嵌入的C++里面需要做一些步骤
安装python程序，这样才能使用python的头文件和库
在我们写的源文件中增加“Python.h”头文件，并且链入“python**.lib”库（还没搞清楚这个库时静态库还是导出库，需要搞清楚）
掌握和了解一些python的C语言api，以便在我们的c++程序中使用
常用的一些C API函数
在了解下面的函数之前有必要了解一下**PyObject***指针，python里面几乎所有的对象都是使用这个指针来指示的。
Py_Initialize（）Py_Finalize（）
在调用任何python的c函数之前需要调用的函数，“Py_Initialize”是用来初始化python模块的，推测是加载初始化加载dll的。对应的在使用python模块之后用“Py_Finalize”来释放模块。
PyImport_ImportModule（）
用来载入一个python模块，这个模块就是一般的python文件。这里需要注意的是，在加载这个模块的时候会执行模块里面所有可以执行的语句。包括import导入语句和在函数体之外的所有语句
PyObject_GetAttrString（）
返回模块里面的函数
Py_BuildValue（）
建立一个参数元组，一般都是用这个函数来建立元组，然后将这个元组作为参数传递给python里面的函数。
PyEval_CallObject（）
调用函数，并把“Py_BuildValue”建立的元组作为参数传递给被调用的函数
源码实例
下面的实例是在c++代码中调用Python的函数，传递参数并且获取返回值
test.cpp代码
[cpp] view plain copy
#include iostream
#include Python.h
using namespace std;
int main(int argc, char* argv[])
{
Py_Initialize(); //初始化
PyObject* pModule = NULL;
PyObject* pFunc = NULL;
PyObject* pParam = NULL;
PyObject* pResult = NULL;
const char* pBuffer = NULL;
int iBufferSize = 0;
pModule = PyImport_ImportModule(“test_python");
if (!pModule)
{
cout "get module failed!" endl;
exit (0);
}
pFunc = PyObject_GetAttrString(pModule, "main");
if (!pFunc)
{
cout "get func failed!" endl;
cout int(pFunc) endl;
exit (0);
}
pParam = Py_BuildValue("(s)", "HEHEHE");
pResult = PyEval_CallObject(pFunc,pParam);
if(pResult)
{
if(PyArg_Parse(pResult, "(si)", pBuffer, iBufferSize))
{
cout pBuffer endl;
cout iBufferSize endl;
}
}
Py_DECREF(pParam);
Py_DECREF(pFunc);
Py_Finalize();
//cout "hello" endl;
return 0;
}
test_python.py代码
[py] view plain copy
def main(szString):
return ("hello", 5)
python的用途：
Python的优势有必要作为第一步去了解，Python作为面向对象的脚本语言，优势就是数据处理和挖掘，这也注定了它和AI、互联网技术的紧密联系。
网络爬虫。顾名思义，从互联网上爬取信息的脚本，主要由urllib、requests等库编写，实用性很强，小编就曾写过爬取5w数据量的爬虫。在大数据风靡的时代，爬虫绝对是新秀。
人工智能。AI使Python一战成名，AI的实现可以通过tensorflow库。神经网络的核心在于激活函数、损失函数和数据，数据可以通过爬虫获得。训练时大量的数据运算又是Python的show time。
扩展资料：
Python开发人员尽量避开不成熟或者不重要的优化。一些针对非重要部位的加快运行速度的补丁通常不会被合并到Python内。在某些对运行速度要求很高的情况，Python设计师倾向于使用JIT技术，或者用使用C/C++语言改写这部分程序。可用的JIT技术是PyPy。
Python是完全面向对象的语言。函数、模块、数字、字符串都是对象。并且完全支持继承、重载、派生、多继承，有益于增强源代码的复用性。
Python支持重载运算符和动态类型。相对于Lisp这种传统的函数式编程语言，Python对函数式设计只提供了有限的支持。有两个标准库(functools, itertools)提供了Haskell和Standard ML中久经考验的函数式程序设计工具。
参考资料来源：百度百科-Python
主要原因，内置函数用C写的。在Python语言内无论如何造不出内置函数的轮子。这也是通常C跟C++语言用户更喜欢造基础算法的轮了的原因。因为C/C++用户真有条件写出匹敌标准库的算法，但很多高级语言不行，不是程序员技术差，是客观条件就根本做不到。
你比如说Java语言没人造字符串的轮子，C++光一个字符串类就有无数多的实现。是因为C+用户更喜欢写字符串类吗？显然不是，一方面是因为Java语言内没法造出匹敌Java内置标准库算法的轮子，而C++真的可以，另外一个比较惨的原因是C++标准库的字符串功能太弱了，大多数高级语言的字符串类功能都比C+标准库字符串类功能更强。
写C++的时候一大错觉就是我觉着我能比标准库还快，同样的道理放在Python里面也同样适用，不管是Python各种常用package或内建函数，基本上都针对实用场景作了优化，自己手写的算法一般是比不上内建算法效率的，这也是为什么用Python时不鼓励自己造轮子的原因。
回到这个问题，Python内建的sort本质上为C实现的函数，本身执行效率就会比Python快很多，并且会根据不同的数据规模采用不同的排序算法，故效率一般都会优于自己在Python里面手写的排序更何况题主写的是基于递归的quicksort9，额外时间开销大。
因为python内置的sort是用c语言写的，如果你用c语言或者c++写的话肯定是可以做到一样快的至于为什么python计算效率比c语言能慢100倍这个具体的原理我不清楚，不过鉴于知乎上已经有很多大佬解释过这个问题，我就不在这里班门弄斧了
还有底下扯timsort的，快排序是所有比较排序算法里平均性能最优的一族算法，像C++和rust里的unstable_sort都是用的快排序。可能在一些情况下，比如数组几乎有序时，timsort会比快排序快。但是你随便给一个数组，比如像题主那样随机一个一百万大小的数然后排序，timsort是绝对不可能比快排序快的。绝对不可能。快的这100倍和timsort屁关系都没有。
我是C/C++程序员，我可以很负责的告诉你，在用天下现有所有高级语言进行排序的问题上，C要是认了第二，则没人敢认第一。所以，我猜，Python以及好多其他高级语言，都会时不时直接上C语言写的静态库和动态库。我自己也造了不少轮子，有部分是因为刚刚起步，对系统API和函数库不熟悉，找不到适合的，所以自己造轮子，后来发现了有更好的，我把我写的抛弃了。但这里也不排除有一部分是因为我个人觉得还有优化的空间，所以自己用C语言重新造了一个轮子，这样效率比现成的更优。
所以说，要论高级语言的鼻祖，还真非C莫属，从执行效率上讲，别说python，JAVA，C#，VB，甚至C的亲儿子C++，在同一个程序员手中，都没法与C抗衡，所以说，这些语言都是排着队等着被C吊打的，也正因为如此，所以，像python这类高级语言，有自带函数可用的，最好别想着自己重新造轮子，因为你不可能造出比自带函数更快的轮子。
内置库函数都是用C实现的，肯定要比手写的Python程序执行效率更高，此外内置排序Timsort相比本科课程上学的时间复杂度为Onlogn的排序算法做了很多常数优化，所以对于普通人而言，不要希望纯手写出来的东西效率能和标准库相当了。另外，题主写的排序是过不了LeetCode上的裸排序题目的，随机选取pivot对于快速排序是最基本的优化虽然题主排的是随机数，现在这么选肯定不是效率低的主要原因。
所以说了，py几乎得把自己的循环体拆了，这就是py和c/c++的性能差距，必须尽量用内置函数和numpy来处理数据，一旦手写循环体。，那你就得知道这可能得慢百倍，像用opency的py版时你不小心写个双循环来处理数据，那酸爽，而cppc#搞opencv就能随意用指针来写循环，这也是为啥他们其实不需要numpy这种组件，自身就有足够的性能和灵活度来处理这个。
Cpp内置的排序是快排和堆排的结合，最坏时间复杂度为nlogn，而快排最坏是n2。至于python内部的排序，我认为是一个道理，不会简简单单是一个快排，举个简单例子，当你数据已经是有序的时候，再传入快排肯定就不合适。那你设置排序函数的时候，是不是预先将他打乱，再进行快排会更好呢。当然具体不会这么简单，只是我认为官方给的接口都是很精妙的，很值得学习。
一方面Python中sort函数是用C语言写的，C++内部的sort是由快排，直接插入和堆排序混合的，当数据量比较大的时候先用的快排，当数据量小的时候用直接插入，因为当数据量变小时，快排中的每个部分基本有序，接近直接插入的最好情况的时间复杂度O（n），就比快排要好一点了。
另外一方面这个的底层实现就是归并排序。，只是使用了Python无法编写的底层实现，从而避免了Python本身附加的大量开销，速度比我们自己写的归并排序要快很多，所以说我们一般排序都尽量使用sorted和sort。
将event.py目录加入到system path中
1
2
3
import sys
sys.path.append("/Users/songrao/Library/Application Support/Sublime Text 3/Packages/User/")
from event import printme
Python是解释性语言, 底层就是用c实现的, 所以用python调用C是很容易的, 下面就总结一下各种调用的方法, 给出例子, 所有例子都在ubuntu9.10, python2.6下试过
1. Python 调用 C (base)
想在python中调用c函数, 如这儿的fact
#include Python.h
int fact(int n)
{
if (n = 1)
return 1;
else
return n * fact(n - 1);
}
PyObject* wrap_fact(PyObject* self, PyObject* args)
{
int n, result;
if (! PyArg_ParseTuple(args, "i:fact", n))
return NULL;
result = fact(n);
return Py_BuildValue("i", result);
}
static PyMethodDef exampleMethods[] =
{
{"fact", wrap_fact, METH_VARARGS, "Caculate N!"},
{NULL, NULL}
};
void initexample()
{
PyObject* m;
m = Py_InitModule("example", exampleMethods);
}
把这段代码存为wrapper.c, 编成so库,
gcc -fPIC wrapper.c -o example.so -shared -I/usr/include/python2.6 -I/usr/lib/python2.6/config
然后在有此so库的目录, 进入python, 可以如下使用
import example
example.fact(4)
2. Python 调用 C++ (base)
在python中调用C++类成员函数, 如下调用TestFact类中的fact函数,
#include Python.h
class TestFact{
public:
TestFact(){};
~TestFact(){};
int fact(int n);
};
int TestFact::fact(int n)
{
if (n = 1)
return 1;
else
return n * (n - 1);
}
int fact(int n)
{
TestFact t;
return t.fact(n);
}
PyObject* wrap_fact(PyObject* self, PyObject* args)
{
int n, result;
if (! PyArg_ParseTuple(args, "i:fact", n))
return NULL;
result = fact(n);
return Py_BuildValue("i", result);
}
static PyMethodDef exampleMethods[] =
{
{"fact", wrap_fact, METH_VARARGS, "Caculate N!"},
{NULL, NULL}
};
extern "C" //不加会导致找不到initexample
void initexample()
{
PyObject* m;
m = Py_InitModule("example", exampleMethods);
}
把这段代码存为wrapper.cpp, 编成so库,
g++ -fPIC wrapper.cpp -o example.so -shared -I/usr/include/python2.6 -I/usr/lib/python2.6/config
然后在有此so库的目录, 进入python, 可以如下使用
import example
example.fact(4)
3. Python 调用 C++ (Boost.Python)
Boost库是非常强大的库, 其中的python库可以用来封装c++被python调用, 功能比较强大, 不但可以封装函数还能封装类, 类成员.
首先在ubuntu下安装boost.python, apt-get install libboost-python-dev
#include boost/python.hpp
char const* greet()
{
return "hello, world";
}
BOOST_PYTHON_MODULE(hello)
{
using namespace boost::python;
def("greet", greet);
}
把代码存为hello.cpp, 编译成so库
g++ hello.cpp -o hello.so -shared -I/usr/include/python2.5 -I/usr/lib/python2.5/config -lboost_python-gcc42-mt-1_34_1
此处python路径设为你的python路径, 并且必须加-lboost_python-gcc42-mt-1_34_1, 这个库名不一定是这个, 去/user/lib查
然后在有此so库的目录, 进入python, 可以如下使用
import hello
hello.greet()
'hello, world'
4. python 调用 c++ (ctypes)
ctypes is an advanced ffi (Foreign Function Interface) package for Python 2.3 and higher. In Python 2.5 it is already included.
ctypes allows to call functions in dlls/shared libraries and has extensive facilities to create, access and manipulate simple and complicated C data types in Python - in other words: wrap libraries in pure Python. It is even possible to implement C callback functions in pure Python.
#include Python.h
class TestFact{
public:
TestFact(){};
~TestFact(){};
int fact(int n);
};
int TestFact::fact(int n)
{
if (n = 1)
return 1;
else
return n * (n - 1);
}
extern "C"
int fact(int n)
{
TestFact t;
return t.fact(n);
}
将代码存为wrapper.cpp不用写python接口封装, 直接编译成so库,
g++ -fPIC wrapper.cpp -o example.so -shared -I/usr/include/python2.6 -I/usr/lib/python2.6/config
进入python, 可以如下使用
import ctypes
pdll = ctypes.CDLL('/home/ubuntu/tmp/example.so')
pdll.fact(4)
12
在函数声明加入前缀，如
__declspec(dllexport) int Fun(int a, int b)
否则在加载该dll时会提示找不到该符号
在windows下可以通过vs自带的dumpbin工具查看可被调用符号
dumpbin /exports test.dll
C函数在调用过程中关于参数传递和压栈由多种规定，作为dll提供给其他程序调用时，必须明确并统一为同一种调用规定，否则会导致栈破坏，编译器负责具体实现调用规定，主要有以下几种调用规定
python下调用C库有多种方式，ctypes是其中一种比较方便的，调用时首先需要加载dll文件，根据C dll的调用规定不同需要使用不同接口，使用ctypes需要 import ctypes 库
对于简单的C函数，例如 int add(int a, int b) ， 此时就可以直接调用了，如
对于较复杂的C函数的参数情况，ctypes调用时对入参和出餐做一定处理，这里分情况讨论
以上包含了几种主要的参数传递情况，ctypes也提供了一个较为完整的python类型和C类型的对照，如下：
