（编写中）🐏Python与C互交互

非常重要！

概述

Python与C语言的互操作是高性能计算和系统编程的关键技术。主要有三种方式：

1. ctypes - 直接调用C库
2. C扩展模块 - 编写Python C API扩展
3. Cython - 混合Python和C语法的编译器

ctypes集成

基本使用

from ctypes import CDLL, c_int, c_double, c_char_p

# 加载C库
lib = CDLL('./mylib.so')

# 定义函数原型
lib.add.argtypes = [c_int, c_int]
lib.add.restype = c_int

# 调用C函数
result = lib.add(5, 3)
print(f"5 + 3 = {result}")

结构体处理

// example.h
typedef struct {
    int x;
    int y;
    char name[50];
} Point;

extern void print_point(Point *p);

from ctypes import Structure, c_int, c_char, CDLL

class Point(Structure):
    _fields_ = [
        ("x", c_int),
        ("y", c_int),
        ("name", c_char * 50)
    ]

lib = CDLL('./example.so')
point = Point(10, 20, b"test")
lib.print_point(point)

C扩展模块开发

基本结构

#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 numbers"},
    {NULL, NULL, 0, NULL}
};

static struct PyModuleDef module = {
    PyModuleDef_HEAD_INIT,
    "myextension",
    NULL,
    -1,
    methods
};

PyMODINIT_FUNC PyInit_myextension(void) {
    return PyModule_Create(&module);
}

编译setup.py

from distutils.core import setup, Extension

module = Extension(
    'myextension',
    sources=['myextension.c']
)

setup(
    name='MyExtension',
    version='1.0',
    ext_modules=[module]
)

Cython实战

基本语法

# mymodule.pyx
def add(int a, int b):
    cdef int result = a + b
    return result

编译setup.py

from distutils.core import setup
from Cython.Build import cythonize

setup(
    ext_modules=cythonize("mymodule.pyx")
)

内存管理最佳实践

引用计数

// 正确增加引用计数
Py_INCREF(obj);

// 正确减少引用计数
Py_DECREF(obj);

// 借用引用（不需要管理引用计数）
PyObject* item = PyList_GetItem(list, index);

内存泄漏检测

使用Valgrind检测内存泄漏：

valgrind --leak-check=full python script.py

错误处理

C错误转Python异常

static PyObject* risky_function(PyObject* self, PyObject* args) {
    // 某些可能失败的操作
    if (operation_failed) {
        PyErr_SetString(PyExc_RuntimeError, "Operation failed");
        return NULL;
    }
    
    // 成功返回
    Py_RETURN_NONE;
}

性能优化技巧

避免不必要的转换

// 不好的做法：频繁创建Python对象
for (int i = 0; i < 1000000; i++) {
    PyObject* num = PyLong_FromLong(i);
    // 使用num
    Py_DECREF(num);
}

// 好的做法：在C层面处理数据
int result = 0;
for (int i = 0; i < 1000000; i++) {
    result += i;
}
PyObject* final = PyLong_FromLong(result);

多线程与GIL

释放GIL

Py_BEGIN_ALLOW_THREADS
// 执行耗时操作（文件I/O、网络请求等）
perform_time_consuming_operation();
Py_END_ALLOW_THREADS

调试技巧

GDB调试C扩展

gdb --args python script.py
(gdb) break myextension.c:25
(gdb) run

常见陷阱

1. 引用计数错误：忘记INCREF/DECREF
2. GIL问题：在错误的时间持有或释放GIL
3. 类型转换错误：错误的参数类型解析
4. 内存泄漏：未正确释放分配的内存

实战案例

图像处理扩展

// 快速的图像旋转函数
static PyObject* rotate_image(PyObject* self, PyObject* args) {
    PyObject* image_obj;
    double angle;
    
    if (!PyArg_ParseTuple(args, "Od", &image_obj, &angle)) {
        return NULL;
    }
    
    // 获取图像数据指针
    Py_buffer buffer;
    if (PyObject_GetBuffer(image_obj, &buffer, PyBUF_SIMPLE) != 0) {
        return NULL;
    }
    
    // 执行旋转操作
    rotate_image_data(buffer.buf, buffer.len, angle);
    
    PyBuffer_Release(&buffer);
    Py_RETURN_NONE;
}

工具链推荐

• 编译: GCC/Clang + distutils/setuptools
• 调试: GDB + Python调试器
• 性能分析: perf, gprof, cProfile
• 内存检测: Valgrind, AddressSanitizer

最佳实践总结

1. 优先使用Cython，语法更Pythonic
2. 复杂项目使用C扩展模块
3. 简单调用使用ctypes
4. 始终注意内存管理和引用计数
5. 在多线程环境中正确处理GIL
6. 编写全面的错误处理代码
7. 进行充分的测试和性能分析