模块

info

绝对导入和相对导入为 Python 包的组织提供了清晰的规则。明确的导入方式让代码的依赖关系更加清晰，避免了命名冲突。

# 绝对导入
from mypackage.submodule import function

# 相对导入
from .submodule import function
from ..parentmodule import other_function

PEP 328 – 导入：多行和绝对/相对导入

模块

模块表示一个或多个具有相关功能的 Python 代码的集合。

最小的模块是单个 Python 可执行文件。最常见的是 .py 后缀结尾的文件。

较大的模块往往是一个文件夹，内含多个 Python 可执行文件、文件夹与资源等等。

info

Python 的 import 不止能导入 .py 后缀结尾的文件

.pyd 是 Windows 特有的文件格式。它的作用和 .dll 相似，可直接导入而不需要 ctypes 模块。

.pyc 是由 py 文件经过编译后生成的二进制文件，py 文件变成 .pyc 文件后，加载的速度有所提高，并且可以实现源码隐藏。

Python 的 import 通过 importlib 模块自动处理这些不同格式的文件。

.so 和 .dll 分别是 Linux 和 Windows 的动态链接库，可使用 ctypes 模块导入。

.pyx 是 Cython 的源代码文件，支持 Python 与 C 代码混合编程。可以将 .pyx 文件编译为纯 C 文件，但需要注意的是，这个 C 文件通常是用来创建一个 Python 扩展模块的，它不能独立运行。需要进一步编译为 .so 或 .dll 或 .pyd 文件。

.pyi 文件是 Python 接口文件（Python Interface file），也称为存根文件（stub file）。它包含模块的类型提示，但不包含实际的实现代码。当一个模块是用 C 或 Cython 编写的（例如，编译成 .pyd 或 .so 文件），它的源代码不是 Python 格式，因此无法直接被 MyPy、Pyright 等类型检查器或 IDE 识别。这时，开发者会创建一个对应的 .pyi 文件来提供类型信息。

from,import,as

在导入模块时，可以使用from、import、as关键字来导入模块中的指定内容。

通过import关键字导入指定的模块。

通过from关键字从模块中导入指定内容。

通过as关键字给函数别名。

module.py

def foo():
    print('goodbye, world!')

test.py

import module # 导入整个模块文件
module.foo()# 输出goodbye, world!


from module import foo # 从模块中导入foo函数
foo() # 输出goodbye, world!

from module import foo as foo2 # 导入模块中的foo函数，并别名为foo2
foo2() # 输出goodbye, world!

__name__ 属性

__name__ 属性是一个特殊的属性，用于获取模块的名称。

module.py

print(__name__)
"""
当模块被直接运行时，__name__的值为__main__
当模块被导入时，__name__的值为模块的名称,即module

如果你希望在模块被直接运行时执行一些代码，被导入时则不执行，可以这样写：
"""
if __name__ == "__main__":
    print("This is the main module")

__init__.py与-m

通常情况下，当使用 import 语句导入模块后，Python 会按照以下顺序查找指定的模块文件：

当前目录，即当前执行的程序文件所在目录下查找；

到 PYTHONPATH（环境变量）下的每个目录中查找；

到 Python 默认的安装目录下查找。

以上所有涉及到的目录，都保存在标准模块 sys 的 sys.path 变量中，通过此变量我们可以看到指定程序文件支持查找的所有目录。换句话说，如果要导入的模块没有存储在 sys.path 显示的目录中，那么导入该模块并运行程序时，Python 解释器就会抛出 ModuleNotFoundError（未找到模块）异常。

解决“Python 找不到指定模块”的方法有 3 种，分别是：

向 sys.path 中临时添加模块文件存储位置的完整路径；

将模块放在 sys.path 变量中已包含的模块加载路径中；

设置 path 系统环境变量。

具体区别可以创建下面的文件结构来了解：

top/
├── __init__.py
├── second.py
└── second_copy.py

info

在 Python 中，__init__.py 文件是一个特殊的文件，它标志着一个目录是一个 Python 包（package）。当 Python 解释器在导入一个模块时，如果发现一个目录里包含了 init.py 文件，它就会将这个目录当作一个包来处理。

__init__.py 文件本身可以为空，但它也可以包含初始化包的代码。例如，你可以在里面定义变量、函数，或者导入子模块，以便在包被导入时自动执行这些代码。这使得你可以控制包的初始化行为，比如设置包级别的配置或简化子模块的导入路径。

second_copy.py

import sys
print(sys.argv)

second.py

import sys
print(sys.argv)
from .second_copy import *

两种运行脚本的方式，以及对应的输出：

1. 使用 python -m top.second 运行：

   PS C:\Users\jiang\Desktop> python -m top.second
   ['C:\\Users\\jiang\\Desktop\\top\\second.py']
   ['C:\\Users\\jiang\\Desktop\\top\\second.py']

   • 输出两次相同的 sys.argv，显示脚本的完整路径。
   • 没有错误，脚本正常运行。

2. 直接运行 python top\second.py：

   PS C:\Users\jiang\Desktop> python top\second.py
   ['top\\second.py']
   Traceback (most recent call last):
     File "C:\Users\jiang\Desktop\top\second.py", line 3, in <module>
       from .second_copy import *
   ImportError: attempted relative import with no known parent package

   • 仅输出了 sys.argv 一次，显示的是相对路径 top\second.py。
   • 然后抛出了 ImportError，提示“尝试进行相对导入，但没有已知的父包”。

为什么会有这样的差异？

问题的核心在于 Python 如何处理这两种运行方式，以及它们对模块结构和相对导入的影响。

1. python -m top.second 的行为

• 运行方式：使用 -m 标志告诉 Python 将 top.second 作为一个模块运行。这里，top 被识别为一个包，second 是该包中的一个模块。
• 包上下文：Python 会正确设置包的层次结构。由于当前工作目录是 C:\Users\jiang\Desktop，Python 知道 top 是一个包，并且 second.py 是其中的模块。
• 相对导入：在 second.py 中，from .second_copy import * 是一个相对导入，. 表示当前包（即 top）。因为 Python 已经建立了包上下文，它能找到同一目录下的 second_copy.py，导入成功。
• sys.argv 的值：在这种模式下，sys.argv[0] 被设置为脚本的完整路径，即 C:\\Users\\jiang\\Desktop\\top\\second.py。
  • 首先，second.py 打印这个值。
  • 然后，导入 second_copy.py 时，second_copy.py 也打印 sys.argv，因为 sys.argv 是全局的，不会因模块不同而改变，所以输出两次相同的结果。

2. python top\second.py 的行为

• 运行方式：直接通过文件路径运行 second.py，即将其作为独立的脚本执行，而不是作为一个包中的模块。
• 包上下文缺失：在这种情况下，Python 不会将 top 视为一个包，而是直接运行 second.py 作为主模块（__main__）。因此，没有定义任何“父包”。
• 相对导入失败：second.py 中的 from .second_copy import * 依赖于包结构，但由于缺少包上下文，Python 不知道 . 代表什么，导致抛出 ImportError: attempted relative import with no known parent package。
• sys.argv 的值：在这里，sys.argv[0] 是命令行中提供的路径，即 top\second.py（相对于当前工作目录 C:\Users\jiang\Desktop）。
  • second.py 打印这个值后，尝试执行相对导入时失败，因此程序终止，second_copy.py 的代码未被执行。

垃圾回收机制

如果持续不断加载数据，调用函数模块，计算机的内存会溢出，Python 的垃圾回收机制采用引用计数机制，当一个对象的引用数为 0 时，它就会被垃圾回收机制回收。

import sys
# 生以下四种情况的时候，该对象的引用计数器+1
a= "hello" # 对象被创建  
b=a   # 对象被引用 
def func(a):
    return
func(a)   # 对象被作为参数,传到函数中
List=[a,"a","b",2]   # 对象作为一个元素，存储在容器中  
sys.getrefcount(a)
# python系统内部很多地方都在使用一些常用的对象，这些对象在python解释器启动时就被创建出来。

#发生以下四种情况时，该对象的引用计数器**-1**

#该对象的别名被显式销毁时 
del a
#该对象的引别名被赋予新的对象，  
a = "world"
#个对象离开它的作用域，例如 func函数执行完毕时，函数里面的局部变量的引用计数器就会减一（但是全局变量不会）
#该元素从容器中删除时，或者容器被销毁时。
b = a  # 当前计数器为2
del b # 删除变量b：b对应的对象的引用计数器-1   （此时计数器为1）
del a # 删除变量a：a对应的对象的引用计数器-1    (此时引用计数器为0)

# 当引用计数器为0 时，意味着没有人再使用这个对象，这个对象就变成垃圾，垃圾回收。
# 回收：1. 对象从refchain的链表移除。
# 2. 将对象进行销毁，内存归还给操作系统，可用内存就增加。
sys.getrefcount(a)

内置函数

__import__函数

函数签名：__import__(name, globals=None, locals=None, fromlist=(), level=0) -> module

参数说明：

• name：要导入的模块名
• globals：全局命名空间
• locals：局部命名空间
• fromlist：要导入的属性列表
• level：导入级别

返回值：

• 返回导入的模块

math = __import__('math')

print(math.sqrt(16)) # 4.0

第三方库

优秀的第三方库有很多，例如awesome-python中列举了大量优秀的第三方库。

安装

这里第三方模块使用的基本流程以 OpenCV 为例

• 下载 pip install opencv-python
• 导入 import cv2
• 使用 模块名.方法名 示例：cv2.imread('cat.jpg')

这里需要注意的是：OpenCV 模块的下载名、导入名均不是 opencv，OpenCV 共有 4 种不同的下载名：opencv-python、opencv-python-headless、opencv-contrib-python、opencv-contrib-python-headless。

事实上，模块名、下载名与导入名更多是开发者出于习惯会将名称统一，并非一种强制的规则。建议在下载模块之前先通过搜索引擎搜索。

对于复杂的模块来说，使用 help() 方法、dir() 方法不能很好的满足我们的需求。需要搭配官方文档，查阅使用实例。

info

第三方模块与系统模块一样，都是自定义好的一系列模块，这些模块也自然存在一些版本差异。

在使用的过程之中很可能因为版本的不匹配、方法的弃用导致示例的代码失效。

我们可以通过升级至最新版本或安装指定的版本来解决：

# 安装最新版
python -m pip install SomePackage            # latest version
# 安装指定版本
python -m pip install 'SomePackage==1.0.4'   # specific version
# 安装最小版本
python -m pip install 'SomePackage>=1.0.4'   # minimum version
# 升级至最新版本
python -m pip install --upgrade SomePackage

此外，有些包作者会仅在 GitHub 提供源码，需要我们自己编译安装。

uv pip install . 使用 uv 安装当前目录下的包。并以拷贝的方式将其添加到 site-packages 中。

uv pip install -e . 使用 uv 安装当前目录下的包，并以符号链接的方式将其添加到 site-packages 中。

两种方式都会搜索当前项目下的 pyproject.toml 和 setup.py。如果同时存在只会使用 pyproject.toml。

info

在开发过程中会频繁的修改代码并导入测试，传统的方式是每次修改代码后，都需要重新构建包、重新安装包。不优雅。

符号链接（Symbolic Link）是一种文件系统对象，它指向另一个文件或目录的位置。当你访问符号链接时，操作系统会自动将符号链接解析为实际的目标文件或目录（软链接）。

这让我们可以在实际的目录中修改代码，另一边立刻能看到修改后的效果。不需要每次修改都重新构建、安装包。

在 Linux 服务器中安装包安装到全局还是用户目录下需要根据实际情况选择。

• 如果需要安装到系统环境，可以使用 --break-system-packages 后缀，例如：pip install --break-system-packages requests。

• 如果需要安装到用户目录下，可以使用 --user 后缀，例如：pip install --user requests。

info

在现代 Linux 发行版中，系统 Python 标记为"外部管理环境"（externally managed environment）。

由操作系统的包管理器（如 apt）统一维护，禁止用户通过 pip（即使是 --user）直接安装包，以防破坏系统依赖。

如果你要安装的是 uv、ruff 这样的可执行应用程序，推荐使用 pipx 独立安装。

sudo apt install pipx
pipx install uv
pipx install ruff

如果你要安装的是 requests、opencv 这样的Python 包，推荐使用虚拟环境结合 pip 独立安装。

python3 -m venv .venv
source .venv/bin/activate
pip install requests

对于更加特殊的一些包，如ros2会使用到特定的Python包(rclpy等)，ros2会将其下载到本地目录后，将这个目录添加到PYTHONPATH环境变量中。让所有Python解释器找包时都能加载这个目录内的模块。

• PYTHONPATH 是一个操作系统级别的环境变量，用于指定Python解释器的搜索路径。
• PYTHONPATH 的值是一个或多个目录路径，优先级高于标准库和 site-packages
• PYTHONPATH 只是额外添加的搜索路径，为空时不会影响默认的搜索路径。
• 除了PYTHONPATH环境变量，还有PATH等环境变量会影响Python解释器的搜索路径。你可以通过env命令查看当前所有设置的环境变量。

不过这种方式也增加了包冲突的风险，我们个人开发时使用虚拟环境管理包。

更多子命令与参数可以查看pip官方文档。

命令	作用说明
pip install	安装 Python 包（来自 PyPI、本地文件、VCS 等）
pip uninstall	卸载已安装的包
pip inspect	以结构化 JSON 格式输出当前环境的包信息（实验性，较新版本支持）
pip list	列出当前环境中所有已安装的包及其版本
pip show	显示某个已安装包的详细信息（如版本、作者、依赖、位置等）
pip freeze	以 requirements.txt 兼容格式输出已安装包列表（常用于锁定依赖）
pip check	验证已安装包的依赖是否满足，检测版本冲突
pip lock	生成可复现的依赖锁文件（截至 pip v25.2，此命令尚未正式实现，处于规划/实验阶段）
pip download	下载包及其依赖（不安装），用于离线环境或缓存
pip wheel	将包构建为 wheel 格式的分发文件（.whl）
pip hash	计算并输出文件的哈希值（用于验证包完整性）
pip search	已弃用：原用于在 PyPI 上搜索包，因 API 关闭已不可用
pip index	查询包在索引（如 PyPI）中的元数据（如版本、兼容性等）
pip cache	管理 pip 的本地缓存（查看、清空等）
pip config	管理 pip 的配置文件（设置镜像源、超时等）
pip debug	显示 pip 的调试信息（如兼容标签、环境路径、版本等）

运行时与安装时视图

从一次 import 开始 ，你写了一行代码：

import requests  

这行代码背后，Python 解释器做了三件事：

1. 找：在 sys.path 列出的路径中搜索 requests。
2. 读：找到后，读取模块内容，执行其中的代码。
3. 存：把执行结果存入 sys.modules，避免重复导入。

这个过程，就是 Python 包管理的运行时视图。

那么，包是怎么出现在 sys.path 里的？

答案是：pip install requests。pip 做了：

1. 下载：从 PyPI 下载 requests 的 wheel 包。
2. 解压：把包内容解压到 site-packages 目录。
3. 记录：在 site-packages 下生成一个 requests-X.X.X.dist-info 目录，里面存着元数据。

这个过程，就是 Python 包管理的安装时视图。

当我们在命令行执行 pip install requests 时，pip 实际上会向 PyPI（Python Package Index）发送一系列 HTTP 请求来查找、下载和验证包。

pip 首先会向 PyPI 发送一个 GET 请求，以获取包的元数据信息，例如版本号、依赖关系等。

# 下载请求示例
GET /pypi/requests/json HTTP/1.1
Host: pypi.org
User-Agent: pip/21.0.1
Accept: application/json
Accept-Encoding: gzip, deflate
Connection: keep-alive

一旦 pip 获取了包的元数据，它会根据元数据中的下载链接发送另一个 GET 请求来下载包文件（通常是 wheel 文件或源码包）。

# 下载请求示例
GET /packages/66/49/7b6c842e994f9353296cb2865fc206635286b27415336348f39/requests-2.25.1-py2.py3-none-any.whl HTTP/1.1
Host: files.pythonhosted.org
User-Agent: pip/21.0.1
Accept: */*
Accept-Encoding: gzip, deflate
Connection: keep-alive

下载完成后，pip 会使用元数据中提供的哈希值来验证包的完整性，确保包在传输过程中没有被篡改。

info

你可以提前获得包的wheel压缩文件，例如requests-2.32.5-py3-none-any.whl

PYPI每个包的侧边栏Download files中可能会有多个版本的压缩文件，记得选择适配你Python与计算平台版本的压缩文件。

那么你就可以通过pip install requests-2.32.5-py3-none-any.whl安装它，等价于跳过了前面的网络通信下载时间。

验证通过后，pip 会将包文件解压并安装到 Python 的 site-packages 目录中，并记录安装信息以便后续管理。

如果包有依赖关系，pip 会递归地对每个依赖包重复上述过程，直到所有依赖都被满足。

为了提高效率，pip 还会使用本地缓存和索引，避免重复下载相同的包文件。

在整个过程中，pip 会处理各种网络错误，如超时、连接失败等，并根据配置进行重试。

对于私有包或需要认证的包，pip 会使用适当的认证机制，如 API 密钥或 OAuth，来发送请求。

pip 会记录详细的日志信息，包括请求的 URL、响应状态码、下载速度等，以便用户排查问题。

用户可以通过 pip 的配置文件或命令行选项来定制请求行为，例如使用代理、指定镜像源、设置超时时间等。

通过这些步骤，pip 确保了 Python 包的可靠、高效和安全的安装。

元数据

很多人以为，pip install 就是“把文件拷过去”。但真正关键的是那个 .dist-info 目录。

它就像包的"身份证"，记录了：

• 包名、版本、作者、描述 —— METADATA 文件
• 所有安装的文件列表 —— RECORD 文件（卸载时用）
• 依赖哪些其他包 —— METADATA 中的 Requires-Dist 字段
• 顶级模块名称 —— top_level.txt 文件（import 时用）
• 安装工具 —— INSTALLER 文件（通常写着 pip）

没有这个身份证，pip 就不知道这个包是谁、从哪来、依赖谁、能不能卸载。

当你执行 pip list 或 pip show requests，看到的信息，全都来自这个 .dist-info。

离线安装

如果你完全没有网络，能不能不 pip，直接把模块文件复制到 site-packages？

可以。但你复制的只是“身体”，没有“灵魂”。

你复制了 .py 文件，Python 能 import，没问题。
但 pip 不知道它的存在，无法卸载，也无法管理依赖。

更严重的是：如果这个包有依赖，比如 requests 依赖 urllib3，你手动复制 requests，却忘了 urllib3，运行时就会报错。

pip 的价值，不在于“复制文件”，而在于“解析依赖 + 安装 + 记录元数据”这一整套自动化流程。

你必须把代码和元数据文件，以及相关的依赖库与依赖库元数据文件都复制过去，才能成功。

Python 包管理的本质，是三个要素的闭环：

1. 代码（Code）：真正的 .py 文件，实现功能。
2. 结构（Structure）：包目录、__init__.py、子模块，构成可导入的层级。
3. 元数据（Metadata）：.dist-info，让包可发现、可管理、可依赖。

只有三者齐全，一个包才算真正“安装”完成。

看到 ImportError，你能立刻判断是“没安装”、“路径不对”还是“依赖缺失”。
看到 .dist-info，你知道它不是垃圾，而是包的“灵魂”。

Python 包管理，管的是模块与解释器的关系，是包与依赖的关系，是开发者与生态的关系。

发布第三方库

我们安装的模块来自于pypi.org，我们也可以分享我们的模块到pypi.org。

截至2025年10月，UV 已经成为最现代化和高效的 Python 包管理工具，它集成了包管理、虚拟环境和打包发布功能，比传统的 pip + setuptools 方案更快更简单。

目录结构

your_project/
├── .github/（可选）
│  └── workflows/（可选）
│      └── python-publish.yml（可选）
│
├── src/（推荐结构）
│   └── your_package/（包名）
│       ├── __init__.py
│       └── module.py
│
├── tests/（可选）
│   └── test_module.py
│
├── README.md（可选）
├── LICENSE（可选）
├── pyproject.toml
└── uv.lock（UV 生成的锁文件）

pyproject.toml

info

pyproject.toml为Python项目提供了统一的配置文件格式，取代了传统的setup.py。它让项目配置更加清晰和标准化。

[build-system]
requires = ["setuptools>=61.0", "wheel"]
build-backend = "setuptools.build_meta"

[project]
name = "my-package"
version = "1.0.0"
description = "A sample package"

PEP 621 – 在pyproject.toml中存储项目元数据

pyproject.toml

[build-system]
requires = ["hatchling"]
build-backend = "hatchling.build"

[project]
name = "exboard"
version = "1.0.12"
authors = [
  { name="Allen", email="jiangyangcreate@gmail.com" },
]
description = "A exboard package for AIBOX"
readme = "README.md"
requires-python = ">=3.8"
classifiers = [
    "Programming Language :: Python :: 3",
    "License :: OSI Approved :: Apache Software License",
    "Operating System :: OS Independent",
]
dependencies = [
    "schedule>=1.1.0",
]

[project.urls]
Homepage = "https://github.com/jiangyangcreate/exboard"
Issues = "https://github.com/jiangyangcreate/exboard/issues"

# UV 特定配置
[tool.uv]
dev-dependencies = [
    "pytest>=7.0",
    "black>=23.0",
    "ruff>=0.1.0",
]

构建包

# 构建包（生成 wheel 和 sdist）
uv build

# 只构建 wheel
uv build --wheel

# 只构建源码分发
uv build --sdist

该命令将在 dist/ 目录下生成 .tar.gz 和 .whl 文件。

PyPI 密钥配置

在 PyPI 中获取 API Token：

1. 访问：https://pypi.org/manage/account/token/
2. 选择 "Add API token"
3. 设置名称和权限范围
4. 复制生成的 token

配置 PyPI 凭据

编辑用户目录下的 .pypirc 文件：

~/.pypirc

[pypi]
username = __token__
password = your_api_token

[testpypi]
repository = https://test.pypi.org/legacy/
username = __token__
password = your_test_api_token

发布到 PyPI

# 安装 twine（如果需要）
uv add --dev twine

# 上传到 PyPI
uv run twine upload dist/*

# 上传到测试 PyPI
uv run twine upload --repository testpypi dist/*

GitHub Actions 发布

.github/workflows/python-publish.yml

name: Upload Python Package

on:
  release:
    types: [published]

permissions:
  contents: read

jobs:
  deploy:
    runs-on: ubuntu-latest
    
    steps:
    - uses: actions/checkout@v4
    
    - name: Install UV
      uses: astral-sh/setup-uv@v3
      with:
        version: "latest"
    
    - name: Set up Python
      run: uv python install 3.11
    
    - name: Install dependencies
      run: |
        uv sync --all-extras --dev
    
    - name: Run tests
      run: |
        uv run pytest
    
    - name: Build package
      run: |
        uv build
    
    - name: Publish package
      uses: pypa/gh-action-pypi-publish@release/v1
      with:
        user: __token__
        password: ${{ secrets.PYPI_API_TOKEN }}

在 GitHub 项目中添加PyPI密钥：

Settings -> Secrets and variables -> Actions -> New repository secret

Name: PYPI_API_TOKEN
Value: 刚刚复制的 API token

这样当我们在 GitHub 上创建 release 时，会自动将包上传到 PyPI。注意不是 push 代码自动上传。

Python 导入 C 模块

info

Python社区的发展依赖于开放、透明的决策过程。每个PEP都经过充分讨论，这种民主化的开发方式保证了Python的长期健康发展。

当你遇到"为什么Python要这样设计"的问题时，PEP往往能给你答案。

PEP 1 – PEP目的和指南

Python 的底层是 C 写的（实际上大部分高级编程语言都是 C 写的）因此Python可以调用以下C/C++文件类型：

• C源代码文件（.c）
• C++源代码文件（.cpp、.cxx、.cc）
• 编译后的共享库（Linux/Unix的.so、Windows的.dll、macOS的.dylib）
• 编译后的静态库（Linux/Unix的.a、Windows的.lib）

因此互相调用的逻辑主要是：数据类型转换、编译库的链接、接收返回值。

python+c/c++混合编程如：

原生的 Python.h

cython

pybind11：pytorch 也采用该方法

ctypes、cffi、SWIG、Boost.Pytho 等

但不论是哪个方法，大致的流程都是：转换数据类型->编译代码->生成编译后的文件（.pyd .pyc .pyo .so .dll 等）

代码编写

一个求某个数可以分解为多少个质数之和代码,其中最核心的代码是判断一个数是否为质数。我们使用C语言实现这个被频繁调用的功能。

prime.c

#include <math.h>

int is_prime(int n) {
    if (n < 2) return 0;
    for (int i = 2; i <= (int)sqrt(n); i++) {
        if (n % i == 0) return 0;
    }
    return 1;
}

编译：gcc -shared -o prime.so prime.c

import ctypes
import timeit

# 加载C动态库
prime_lib = ctypes.CDLL('./prime.so')
is_prime = prime_lib.is_prime
is_prime.argtypes = [ctypes.c_int]
is_prime.restype = ctypes.c_int

def count_prime_pairs(n):
    count = 0
    for i in range(2, n // 2 + 1):
        if is_prime(i) and is_prime(n - i):
            count += 1
    return count

def is_prime_py(n):
    if n < 2:
        return False
    for i in range(2, int(n ** 0.5) + 1):
        if n % i == 0:
            return False
    return True

def count_prime_pairs_py(n):
    count = 0
    for i in range(2, n // 2 + 1):
        if is_prime_py(i) and is_prime_py(n - i):
            count += 1
    return count

if __name__ == "__main__":
    n = int(input("输入一个正整数: "))
    print("C混合版结果:", count_prime_pairs(n))
    print("纯Python结果:", count_prime_pairs_py(n))

    # 性能对比
    py_time = timeit.timeit(lambda: count_prime_pairs_py(n), number=100)
    c_time = timeit.timeit(lambda: count_prime_pairs(n), number=100)
    print(f"Pure Python: {py_time:.4f} seconds")
    print(f"Python+C: {c_time:.4f} seconds")

tip

想把Python代码封装为可执行文件，可以使用PyInstaller。

官方文档：https://www.pyinstaller.org/

命令行：

# 直接封装
pyinstaller -F app.py
# 指定图标
pyinstaller -F -i app.ico app.py
# 指定图标 不展示终端框
pyinstaller -F -i app.ico app.py --noconsole
# 将数据文件添加到捆绑包中，中间使用分号分隔，前面是源目录地址，后面是目的目录地址
pyinstaller -F -i app.ico app.py --add-data="C:\mediapipe\modules;mediapipe/modules" --noconsole