Linux下简单的c++调用python例子
1.环境问题：
在linux一般自带python解释器，我的为python 2.7.5.（可根据python --version查看）。写环境验证代码，写简单的c++代码，引入头文件#include
采用yum install python-devel.x86_64 命令解决，编译没有报错可以忽略。
2.使用步骤（实例）
1.新建python文件和c++文件
2.编写想用python模块完成的代码，例如：
class Student:
def SetName(self,name):
self._name = name
def PrintName(self):
print self._name
def hello():
print "Hello World\n"
def world(name):
print "name"
实现了一个学生类，实现了set函数，一个对象set完之后可以答应出成员的信息。后面的两个函数单为简的测试函数。
3.编写c++代码，例如：
#include
#include
#include
int main () {
//使用python之前，要调用Py_Initialize();这个函数进行初始化
Py_Initialize();
//导入环境变量
PyRun_SimpleString("import sys");
//python脚本路径
PyRun_SimpleString("sys.path.append('./')"); //放在cpp的同一路径下
PyObject * pModule = NULL;
PyObject * pFunc = NULL;
PyObject * pClass = NULL;
PyObject * pInstance = NULL;
// PyImport_ImportModule函数载入python脚本，参数为为python脚本名称，因为是//模块化的导入，所以当代码处于运行期的时候就会生成一个.pyc文件，这样的话和直//接使用.pyc文件有同样的效果，下面做了两种方式运行效率的比较
pModule = PyImport_ImportModule("nounpy");
//这里是要调用的函数名
pFunc= PyObject_GetAttrString(pModule, "hello");
//调用函数
PyEval_CallObject(pFunc, NULL);
Py_DECREF(pFunc);
//测试调用python的类
pClass = PyObject_GetAttrString(pModule, "Student");
if (!pClass) {
printf("Can't find Student class.\n");
return -1;
}
pInstance = PyInstance_New(pClass, NULL, NULL);
if (!pInstance) {
printf("Can't create Student instance.\n");
return -1;
}
//调用其中的类方法
PyObject_CallMethod(pInstance, "SetName", "(s)","I am c++ args");
PyObject_CallMethod(pInstance, "PrintName",NULL,NULL);
//调用Py_Finalize，这个根Py_Initialize相对应的。
Py_Finalize();
return 0;
}
加粗函数为c++提供的专门操作python对象的函数。
使用g++ -o noun noun.cpp -lpython2.7 进行编译
可以把c++调用python步骤总结如下：
分别为：1.进行python的初始化工作（表示要执行python脚本等工作）；2.声明需要的PyObject*类型的指针变量；3.采用PyImport_ImportModule导入模块，参数为python脚本名称（因为有的时候 python解释器是不会生成.pyc文件的），如果名称不对会导入失败，函数返回为空；4.然后通过PyObject_GetAttrString函数获取类型或者函数，如果成功，返回python*类型的指针（有点类似与调用dll的GetProcAddress，获取到了函数或者类型的地址）；5.如果是直接要调用的是函数，采用PyEval_CallObject、Py_DECREF进行调用，如果是类，需要先调用PyInstance_New函数，然后再通过PyObject_CallMethod函数执行类方法。
可以分为对单个函数的使用和对类的使用，两种场景采用不同的步骤和方法，主要区别于上述的 第5点。
3.直接使用.py和提前编译好.pyc使用效率比较
运行效率的比较，python实现了一个五百万次的循环：
1.使用.pyc文件的方式（对python的源码文件进行模块化编译，例如python -m py_compile nounpy.py,将生成的nounpy.pyc拷贝到如下目录，进行如下图使用）
g++ -o noun noun.cpp -lpython2.7
./noun
结果如下：
2.使用.py文件的方式：
g++ -o noun noun.cpp -lpython2.7
./noun
结果如下：
针对python代码不大的调用，可以看出，提前编译好.pyc使用和直接使用.py区别不是很大（耗时基本相同）。每一次把脚本模块导入的时候会检测相应路径下是否有相应的.pyc，如果没有会生成，如果有就直接快速加载。因为python代码少，解释出来耗时很短，所以这两种使用方式最终耗时也基本一样。不过建议先编译好代码，生成.pyc供c++使用，这样的话可以做到隐藏源代码并且需要的功能也可以持久化保存。
4.一些关键函数(c++提供给操作python对象的)
初始化
Py_Initialize
PyRun_SimpleString
PyRun_SimpleString
加载脚本
PyImport_ImportModule
函数的使用
PyObject_GetAttrString
PyEval_CallObject
Py_DECREF
类的使用
PyObject_GetAttrString
PyInstance_New
PyObject_CallMethod
结束
Py_Finalize