使用 C 扩展为 Python 提供特定功能。

在前一篇文章中，我介绍了 六个 Python 解释器。在大多数系统上，CPython 是默认的解释器，而且根据民意调查显示，它还是最流行的解释器。Cpython 的独有功能是使用扩展 API 用 C 语言编写 Python 模块。用 C 语言编写 Python 模块允许你将计算密集型代码转移到 C，同时保留 Python 的易用。

在本文中，我将向你展示如何编写一个 C++ 扩展模块。使用 C++ 而不是 C，因为大多数编译器通常都能理解这两种语言。我必须提前说明缺点：以这种方式构建的 Python 模块不能移植到其他解释器中。它们只与 CPython 解释器配合工作。因此，如果你正在寻找一种可移植更好的与 C 语言模块交互的方式，考虑下使用 ctypes 模块。

和往常一样，你可以在 GitHub 上找到相关的源代码。仓库中的 C++ 文件有以下用途：

• : Python 模块  的定义
• : 一个头文件 - 只有一个暴露给 Python 的 C++ 类
• : Python 形式的 C++ 类
• : 用于调试的单独应用程序

本文构建的 Python 模块不会有任何实际用途，但它是一个很好的示例。

在查看源代码之前，你可以检查它是否能在你的系统上编译。我使用 CMake 来创建构建的配置信息，因此你的系统上必须安装 CMake。为了配置和构建这个模块，可以让 Python 去执行这个过程：

或者手动执行：

之后，在  子目录下你会有一个名为  的文件。

首先，看一下  文件，尤其是  函数：

这是本例中最重要的代码，因为它是 CPython 的入口点。一般来说，当一个 Python C 扩展被编译并作为共享对象二进制文件提供时，CPython 会在同名二进制文件中（）搜索  函数，并在试图导入时执行它。

无论是声明还是实例，所有 Python 类型都是 PyObject 的一个指针。在此函数的第一部分中， 通过  创建的。正如你在  详述（，同名文件）中看到的，它没有任何特殊的功能。

之后，调用 PyType_FromSpec 为自定义类型  创建一个 Python 堆类型 定义。一个堆类型对应于一个 Python 类，然后将它赋值给  模块。

注意，如果其中一个函数返回失败，则必须减少以前创建的对象的引用计数，以便解释器删除它们。

 详述在 my_class_py_type.h 中可以找到，它作为 PyType_Spec 的一个实例：

它定义了一些基本类型信息，它的大小包括 Python 表示的大小（）和普通 C++ 类的大小（）。 定义如下：

Python 表示的话就是 PyObject 类型，由  宏和其他一些成员定义。成员  视为普通类成员，而成员  只能在 C++ 代码内部访问。

PyType_Slot 定义了一些其他功能：

在这里，设置了一些初始化和析构函数的跳转，还有普通的类方法和成员，还可以设置其他功能，如分配初始属字典，但这是可选的。这些定义通常以一个哨兵结束，包含  值。

要完成类型详述，还包括下面的方法和成员表：

在方法表中，定义了 Python 方法 ，它指向相关的 C++ 函数 。它充当了一个包装器，它在 C++ 类中调用  方法。

在成员表中，只有一个为演示目的而定义的成员。不幸的是，在 PyMemberDef 中使用的 offsetof 不允许添加 C++ 类型到 。如果你试图放置一些 C++ 类型的容器（如 std::optional），编译器会抱怨一些内存布局相关的警告。

 方法只为  提供一些初始值，并为其类型分配内存：

实际的初始化发生在  中，它对应于 Python 中的 __init__() 方法：

如果你想在初始化过程中传递参数，必须在此时调用 PyArg_ParseTuple。简单起见，本例将忽略初始化过程中传递的所有参数。在函数的第一部分中， 指针（）被强转为  类型的指针，以便访问其他成员。此外，还分配了 C++ 类的内存，并执行了构造函数。

注意，为了防止内存泄漏，必须仔细执行异常处理和内存分配（还有释放）。当引用计数将为零时， 函数负责释放所有相关的堆内存。在文档中有一个章节专门讲述关于 C 和 C++ 扩展的内存管理。

从 Python 类中调用相关的 C++ 类方法很简单：

同样， 参数（）被强转为  类型以便访问 ，它指向 C++ 对应类实例的指针。有了这些信息，调用  类方法，并且结果以 Python 整数对象 返回。

出于调试目的，在调试配置中编译 CPython 解释器是很有价值的。详细描述参阅 官方文档。只要下载了预安装的解释器的其他调试符号，就可以按照下面的步骤进行操作。

当然，老式的 GNU 调试器（GDB） 也可以派上用场。源码中包含了一个 gdbinit 文件，定义了一些选项和断点，另外还有一个 gdb.sh 脚本，它会创建一个调试构建并启动一个 GDB 会话：

GDB 使用脚本文件 main.py 调用 CPython 解释器，它允许你轻松定义你想要使用 Python 扩展模块执行的所有操作。

另一种方法是将 CPython 解释器嵌入到一个单独的 C++ 应用程序中。可以在仓库的 pydbg.cpp 文件中找到：

使用 高级接口，可以导入扩展模块并对其执行操作。它允许你在本地 IDE 环境中进行调试，还能让你更好地控制传递或来自扩展模块的变量。

缺点是创建一个额外的应用程序的成本很高。

使用像 CodeLLDB 这样的调试器扩展可能是最方便的调试选项。仓库包含了一些 VSCode/VSCodium 的配置文件，用于构建扩展，如 task.json、CMake Tools 和调用调试器（launch.json）。这种方法结合了前面几种方法的优点：在图形 IDE 中调试，在 Python 脚本文件中定义操作，甚至在解释器提示符中动态定义操作。

Python 的所有功能也可以从 C 或 C++ 扩展中获得。虽然用 Python 写代码通常认为是一件容易的事情，但用 C 或 C++ 扩展 Python 代码是一件痛苦的事情。另一方面，虽然原生 Python 代码比 C++ 慢，但 C 或 C++ 扩展可以将计算密集型任务提升到原生机器码的速度。

你还必须考虑 ABI 的使用。稳定的 ABI 提供了一种方法来保持旧版本 CPython 的向后兼容，如 文档 所述。

最后，你必须自己权衡利弊。如果你决定使用 C 语言来扩展 Python 中的一些功能，你已经看到了如何实现它。

via: https://opensource.com/article/22/11/extend-c-python

作者：Stephan Avenwedde 选题：lkxed 译者：MjSeven 校对：wxy

本文由 LCTT 原创编译，Linux中国 荣誉推出