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：

编写 C++ 代码（example.cpp）： 

#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）：

# 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：

 pip install pybind11 python setup.py build_ext --inplace 

在 Python 中调用：

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

✅ 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）：

// 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。

✅ 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：

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）：

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

编译：

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

Python 调用：

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

✅ 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

💡 建议

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：

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）：

#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();return0;}

✅ 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：

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：

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：

补充：构建注意事项

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）