Python调用C函数的方法以及如何编写Python的C扩展

正文共1535个字，2张图，预计阅读时间4分钟。

01

前言

前言属闲聊，正文请转后。

标题比较长，其实“如何用Python调用C的函数”以及“如何编写Python的C扩展”在广义上是同一件事，因为都是用C写底层实现，用Python作接口。

具体方法有很多，比如用ctypes、用SWIG等等，各种方法有利有弊。前段时间笔者用SWIG编译某小段函数一直出BUG，检查了两天才发现原来是因为MinGW 32-bit和Python 64-bit不兼容，加之后续笔者还需要用到NumPy C-API，所以现在笔者已弃坑SWIG，转用以下方法：

• 按照Python C-API的编程规范，用C编写底层实现函数。

• 用Python自带的disutils模块来管理编译、打包、生成Python模块。

所以后续的内容将主要围绕以上的方法来展开。

02

正文

编写C代码

假设要实现一个数学计算模块mymath，包含一个整数加法的函数add，那么首先要编写以下代码：

#include "D:\Anaconda2\include\Python.h"

/* file: mymath.c *

/// 真正实现

int add(int a, int b)

{    

return a + b; }

// 包装函数。Python调用add方法时传进来的参数在args里

PyObject* wrap_add(PyObject* self, PyObject* args)

{    

int a, b, result;    

// 解析参数    if (!PyArg_ParseTuple(args, "ii", &a, &b))        

return NULL;    result = add(a, b);    

// 返回PyObject* 类型的参数    return Py_BuildValue("i", result); }

// mymath模块所包含的函数列表

static PyMethodDef mymathMethods[] = {    

// 每行一个方法，含义依次为    // Python方法名，C方法名，参数值，方法文档    {"add", wrap_add, METH_VARARGS, "doc: add(a, b) \nreturn a + b"},

   {NULL, NULL, 0, NULL}    

// 上面的最后一行相当于结束符};// 初始化模块的方法，自动调用

// 命名要求为init后加上模块名

void initmymath()

{    PyObject* m;    

// 调用Py_InitModule方法初始化模块mymath，其中模块所具有    // 的函数列表由第二个参数提供    m = Py_InitModule("mymath", mymathMethods);

}

编译、打包与生成

在与mymath.c文件同级目录下编写setup.py文件，代码如下：

# file: setup.pyfrom distutils.core import setup, Extension module1 = Extension('mymath',                    sources = ['mymath.c']) setup(name = 'mymath',    version = '1.0',    description = 'This is a Math package',    ext_modules= [module1])

然后打开命令行窗口，进入到mymath.c所在目录，输入以下命令：

python setup.py build

可以看到以下输出信息：

编译、打包、生成时的输出信息.png

这个时候可以看到当前目录多了个build文件夹，一路进去可以看到mymath.pyd文件，这就是直接可调用的Python module了。继续在命令行里进入Python，可以直接调用mymath模块了。

调用效果

03

参考资料

[1] Python/C API Reference Manual, https://docs.python.org/2/c-api/

[2] 《Python基础教程》（第2版）

原文链接：https://www.jianshu.com/p/cd28e8b0cce1

查阅更为简洁方便的分类文章以及最新的课程、产品信息，请移步至全新呈现的“LeadAI学院官网”：

www.leadai.org

请关注人工智能LeadAI公众号，查看更多专业文章

大家都在看

零基础入门深度学习 | 第一章：感知器

零基础入门深度学习 | 第二章：线性单元和梯度下降

零基础入门深度学习 | 第四章：卷积神经网络

最全常见算法工程师面试题目整理（一）

最全常见算法工程师面试题目整理（二）

透析 | 卷积神经网络CNN究竟是怎样一步一步工作的？

用Python给头像加上圣诞帽