python调用c++动态库.so和静态库.a

项目场景：隐私保护联邦学习代码实现

我目前在实现一个隐私保护联邦学习论文的代码，其中联邦学习的模型训练用python写的代码，隐私保护用c++写的（一种同态加密算法）代码。我的目标是将密码算法用于加密联邦学习每轮训练得到的梯度信息。因此，考虑python调用c++实现。

近一周都在度娘上搜索学习，发现介绍最多的python调用c++方法是将c++函数暴露c语言接口（供后续python调用），再将cpp文件编译为so动态链接库，python端用ctypes调用，这个方法最简单。然而实际实现的时候，遇到很多令人吐血的问题，还好最后终于调用成功了。这里详细记录一下我遇到的问题和解决方案，附参考。

---

问题描述与解

首先了解到：
（1）对于python，ctypes只能load动态库；
（2）静态库可以被动态库链接，而后给python调用，但是静态库在编译过程中没有加–fPIC参数，就不可以被动态库链接；
（3）我的C++代码调用了NTL库和GMP库（这两个也是c++库），但是这两个库的静态库libntl.a和libgmpxx.a, libgmp.a在编译时都没用–fPIC参数编译，所有我在动态库链接静态库时报错“undefined symbol”。

解决方案：重新编译NTL和GMP库，生成带PIC的静态库文件

对于NTL库，修改其makefile文件中的CXXFLAGS如下：

# CXXFLAGS=-g -O2   # 原来的
CXXFLAGS = -g -fPIC # 修改后的
# Flags for the C++ compiler

然后在makefile文件夹路径下开启终端，输入make clobber（makefile中有提示，删去已有的.o文件等）， 然后make，重新生成ntl.a (或者libntl.a) 文件，拷贝出来，备用。

$make clobber
$make

对于GMP库，我在官网下载的包里没有找到makefile文件，它是在configure时生成makefile
因此需要在安装时指定-fPIC。
GMP的安装：安装GMP 之前需要先安装m4 (不然会出错）

$sudo apt-get install m4

然后安装GMP，带上pic

$./configure --enable-cxx --with-pic //https://blog.csdn.net/icesnowjank/article/details/111171028
$make
$make check
$make install

我在make install时出错“cannot create directory Permission denied”，我记得第一次装的时候没这个问题。这个小问题可以参考 这里 的方案解决。

安装好后，终端会提示GMP安装到了哪里，一般在usr/local里，进入这个文件夹下，拷贝出libgmpxx.a和libgmp.a两个静态库，备用。

接下来，编译自己写的c++项目的静态库。
参考 这里（暴露接口函数，在代码中使用extern关键字将代码包裹起来，让编译器以C语言的方式编译）， 这里（静态库生成、打包、解包等）和 这里（注意动态库生成顺序问题）。

具体地，在你的cpp或这h文件中写入形如这样的extern语句（为了方便展示，我直接复制了我的部分代码了）：

extern "C" {
    MKTestScheme mkTestScheme; // 定义一个自己写的MKTestScheme类 mkTestScheme
    void testMKEncodeBatch(long logN, long logP, long logQ, long logq0, long logSlots, long slots2, long CLIENT, bool isComplex, long numAgg) {
        mkTestScheme.testMKEncodeBatch(logN, logP, logQ, logq0, logSlots, slots2, CLIENT, isComplex, numAgg);
    }
    void testMKEncryptBatch(long logN, long logP, long logQ, long logq0, long logSlots, long slots2, long CLIENT, bool isComplex, long numAgg) {
        mkTestScheme.testMKEncryptBatch(logN, logP, logQ, logq0, logSlots, slots2, CLIENT, isComplex, numAgg);
    }
	void testMKPackEncrypt(long logN, long logP, long logQ, long logq0, long logSlots, long slots2, long CLIENT, bool isComplex, long numAgg, long numClients) {
		mkTestScheme.testMKPackEncrypt(logN, logP, logQ, logq0, logSlots, slots2, CLIENT, isComplex, numAgg, numClients);
	}
	void testMKPackEncryptADD() {
		mkTestScheme.testMKPackEncryptADD();
	}
}

我extern写在了cpp文件里。这里还要注意一点就是cpp对应的.h文件中所include的头文件需要写成public继承形式（其他的未暴露接口函数的cpp文件的.h文件也是一样操作）：

#ifndef MKHE_MKTESTSCHEME_H_
#define MKHE_MKTESTSCHEME_H_

#include 
#include 
#include 

#include "StringUtils.h"
#include "TimeUtils.h"
#include "MKScheme.h"

using namespace std;
using namespace NTL;

class MKTestScheme:public StringUtils, public TimeUtils, public MKScheme {
public:

	static void testMKEncodeBatch(long logN, long logP, long logQ, long logq0, long logSlots, long slots2, long CLIENT, bool isComplex, long numAgg);
	static void testMKEncryptBatch(long logN, long logP, long logQ, long logq0, long logSlots, long slots2, long CLIENT, bool isComplex, long numAgg);
	
	static void testMKPackEncrypt(long logN, long logP, long logQ, long logq0, long logSlots, long slots2, long CLIENT, bool isComplex, long numAgg, long numClients);
	static void testMKPackEncryptADD();
};

#endif

至此，开始编译自己写的c++项目的静态库：找到cpp文件所在文件夹，打开终端，输入：

$g++ -c -fPIC file1.cpp file2.cpp file3.cpp ... //将自己写的cpp文件全部编译为.o文件
$ar crU libmine.a *.o //所有.o文件打包为.a文件（可选，供后续移植解包使用o文件）

所有静态库打包为动态库

将上面生成的libntl.a, libgmpxx.a, libgmp.a, libmine.a 全部拷贝出来，放在新建的一个文件夹里，并在此文件夹下打开终端，执行下面命令，将所有静态库打包为动态库：

$ar x libntl.a //拆包
$ar x libgmpxx.a
$ar x libgmp.a
$ar x libmine.a
$ar crU libXXX.a *.o //所有.o文件打包为libXXX.a文件
$ranlib libXXX.a  // 更新库的符号索引表
$ar x libXXX.a 
$g++ -o libencryption.so -shared -fPIC *.o

最后一步啦，哈哈哈

拷贝动态库libencryption.so所在路径，进入python程序，新建py文件，写动态库的调用代码：

import ctypes
dll = ctypes.cdll.LoadLibrary
lib = dll('/home/xxx/HE_encryption/build/libencryption.so') // 括号里输入拷贝的路径
lib.testMKPackEncryptADD()  // 调用自己写的c++代码中暴露的函数

运行成功，和在c++中执行结果一样，哈哈哈。接下来，我要去研究c++暴露接口函数的优化问题了。