Python与C/C++的相互调用案例

一、问题

Python模块和C/C++的动态库间相互调用在实际的应用中会有所涉及,在此作一总结。

二、Python调用C/C++

1、Python调用C动态链接库

Python调用C库比较简单,不经过任何封装打包成so,再使用python的ctypes调用即可。

(1)C语言文件:pycall.c

/***gcc -o libpycall.so -shared -fPIC pycall.c*/

#include <stdio.h>

#include <stdlib.h>

int foo(int a, int b)

{

printf("you input %d and %d\n", a, b);

return a+b;

}

(2)gcc编译生成动态库libpycall.so:gcc -o libpycall.so -shared -fPIC pycall.c。使用g++编译生成C动态库的代码中的函数或者方法时,需要使用extern "C"来进行编译。

(3)Python调用动态库的文件:pycall.py

import ctypes

ll = ctypes.cdll.LoadLibrary

lib = ll("./libpycall.so")

lib.foo(1, 3)

print '***finish***'

(4)运行结果:

2、Python调用C++(类)动态链接库

需要extern "C"来辅助,也就是说还是只能调用C函数,不能直接调用方法,但是能解析C++方法。不是用extern "C",构建后的动态链接库没有这些函数的符号表。

(1)C++类文件:pycallclass.cpp

#include <iostream>

using namespace std;

class TestLib

{

public:

void display();

void display(int a);

};

void TestLib::display() {

cout<<"First display"<<endl;

}

void TestLib::display(int a) {

cout<<"Second display:"<<a<<endl;

}

extern "C" {

TestLib obj;

void display() {

obj.display();

}

void display_int() {

obj.display(2);

}

}

(2)g++编译生成动态库libpycall.so:g++ -o libpycallclass.so -shared -fPIC pycallclass.cpp。

(3)Python调用动态库的文件:pycallclass.py

import ctypes

so = ctypes.cdll.LoadLibrary

lib = so("./libpycallclass.so")

print 'display()'

lib.display()

print 'display(100)'

lib.display_int(100)

(4)运行结果:

3、Python调用C/C++可执行程序

(1)C/C++程序:main.cpp

#include <iostream>

using namespace std;

int test()

{

int a = 10, b = 5;

return a+b;

}

int main()

{

cout<<"---begin---"<<endl;

int num = test();

cout<<"num="<<num<<endl;

cout<<"---end---"<<endl;

}

(2)编译成二进制可执行文件:g++ -o testmain main.cpp。

(3) Python调用程序:main.py

import commands

import os

main = "./testmain"

if os.path.exists(main):

rc, out = commands.getstatusoutput(main)

print 'rc = %d, \nout = %s' % (rc, out)

print '*'*10

f = os.popen(main)

data = f.readlines()

f.close()

print data

print '*'*10

os.system(main)

(4)运行结果:

4、扩展Python(C++为Python编写扩展模块)

所有能被整合或导入到其它python脚本的代码,都可以被称为扩展。可以用Python来写扩展,也可以用C和C++之类的编译型的语言来写扩展。Python在设计之初就考虑到要让模块的导入机制足够抽象。抽象到让使用模块的代码无法了解到模块的具体实现细节。Python的可扩展性具有的优点:方便为语言增加新功能、具有可定制性、代码可以实现复用等。

为 Python 创建扩展需要三个主要的步骤:创建应用程序代码、利用样板来包装代码和编译与测试。

(1)创建应用程序代码

#include <stdio.h>

#include <stdlib.h>

#include <string.h>

int fac(int n)

{

if (n < 2) return(1); /* 0! == 1! == 1 */

return (n)*fac(n-1); /* n! == n*(n-1)! */

}

char *reverse(char *s)

{

register char t, /* tmp */

*p = s, /* fwd */

*q = (s + (strlen(s) - 1)); /* bwd */

while (p < q) /* if p < q */

{

t = *p; /* swap & move ptrs */

*p++ = *q;

*q-- = t;

}

return(s);

}

int main()

{

char s[BUFSIZ];

printf("4! == %d\n", fac(4));

printf("8! == %d\n", fac(8));

printf("12! == %d\n", fac(12));

strcpy(s, "abcdef");

printf("reversing 'abcdef', we get '%s'\n", \

reverse(s));

strcpy(s, "madam");

printf("reversing 'madam', we get '%s'\n", \

reverse(s));

return 0;

}

上述代码中有两个函数,一个是递归求阶乘的函数fac();另一个reverse()函数实现了一个简单的字符串反转算法,其主要目的是修改传入的字符串,使其内容完全反转,但不需要申请内存后反着复制的方法。

(2)用样板来包装代码

接口的代码被称为“样板”代码,它是 应用程序代码与Python解释器之间进行交互所必不可少的一部分。样板主要分为4步:a、包含Python的头文件;b、为每个模块的每一个函数增加一个型如PyObject* Module_func()的包装函数;c、为每个模块增加一个型如PyMethodDef ModuleMethods[]的数组;d、增加模块初始化函数void initModule()。

#include <stdio.h>

#include <stdlib.h>

#include <string.h>

int fac(int n)

{

if (n < 2) return(1);

return (n)*fac(n-1);

}

char *reverse(char *s)

{

register char t,

*p = s,

*q = (s + (strlen(s) - 1));

while (s && (p < q))

{

t = *p;

*p++ = *q;

*q-- = t;

}

return(s);

}

int test()

{

char s[BUFSIZ];

printf("4! == %d\n", fac(4));

printf("8! == %d\n", fac(8));

printf("12! == %d\n", fac(12));

strcpy(s, "abcdef");

printf("reversing 'abcdef', we get '%s'\n", \

reverse(s));

strcpy(s, "madam");

printf("reversing 'madam', we get '%s'\n", \

reverse(s));

return 0;

}

#include "Python.h"

static PyObject *

Extest_fac(PyObject *self, PyObject *args)

{

int num;

if (!PyArg_ParseTuple(args, "i", &num))

return NULL;

return (PyObject*)Py_BuildValue("i", fac(num));

}

static PyObject *

Extest_doppel(PyObject *self, PyObject *args)

{

char *orig_str;

char *dupe_str;

PyObject* retval;

if (!PyArg_ParseTuple(args, "s", &orig_str))

return NULL;

retval = (PyObject*)Py_BuildValue("ss", orig_str,

dupe_str=reverse(strdup(orig_str)));

free(dupe_str); #防止内存泄漏

return retval;

}

static PyObject *

Extest_test(PyObject *self, PyObject *args)

{

test();

return (PyObject*)Py_BuildValue("");

}

static PyMethodDef

ExtestMethods[] =

{

{ "fac", Extest_fac, METH_VARARGS },

{ "doppel", Extest_doppel, METH_VARARGS },

{ "test", Extest_test, METH_VARARGS },

{ NULL, NULL },

};

void initExtest()

{

Py_InitModule("Extest", ExtestMethods);

}

Python.h头文件在大多数类Unix系统中会在/usr/local/include/python2.x或/usr/include/python2.x目录中,系统一般都会知道文件安装的路径。

增加包装函数,所在模块名为Extest,那么创建一个包装函数叫Extest_fac(),在Python脚本中使用是先import Extest,然后调用Extest.fac(),当 Extest.fac()被调用时,包装函数 Extest_fac()会被调用,包装函数接受一个 Python的整数参数,把它转为C的整数,然后调用C的fac()函数,得到一个整型的返回值,最后把这个返回值转为Python的整型数做为整个函数调用的结果返回回去。其他两个包装函数Extest_doppel()和Extest_test()类似。

从Python到C的转换用PyArg_Parse*系列函数, int PyArg_ParseTuple():把Python传过来的参数转为C;int PyArg_ParseTupleAndKeywords()与PyArg_ParseTuple()作用相同,但是同时解析关键字参数;它们 的用法跟C的sscanf函数很像,都接受一个字符串流,并根据一个指定的格式字符串进行解析,把结果放入到相应的指针所指的变量中去,它们的返回值为1表示解析成功,返回值为0表示失败。 从C到Python的转换函数是PyObject* Py_BuildValue():把C的数据转为Python的一个对象或一组对象,然后返回之;Py_BuildValue的用法跟sprintf很像,把所有的参数按格式字符串所指定的格式转换成一个Python的对象。

C与Python之间数据转换的转换代码:

为每个模块增加一个型如PyMethodDef ModuleMethods[]的数组,以便于Python解释器能够导入并调用它们,每一个数组都包含了函数在Python中的名字,相应的包装函数的名字以及一个METH_VARARGS常量,METH_VARARGS表示参数以tuple形式传入。 若需要使用 PyArg_ParseTupleAndKeywords()函数来分析命名参数的话,还需要让这个标志常量与METH_KEYWORDS常量进行逻辑与运算常量 。数组最后用两个NULL来表示函数信息列表的结束。

所有工作的最后一部分就是模块的初始化函数,调用Py_InitModule()函数,并把模块名和ModuleMethods[]数组的名字传递进去,以便于解释器能正确的调用模块中的函数。

(3)编译

为了让新Python的扩展能被创建,需要把它们与Python库放在一起编译,distutils包被用来编译、安装和分发这些模块、扩展和包。

创建一个setup.py 文件,编译最主要的工作由setup()函数来完成:

#!/usr/bin/env python

from distutils.core import setup, Extension

MOD = 'Extest'

setup(name=MOD, ext_modules=[Extension(MOD, sources=['Extest2.c'])])

Extension()第一个参数是(完整的)扩展的名字,如果模块是包的一部分的话,还要加上用'.'分隔的完整的包的名字。上述的扩展是独立的,所以名字只要写"Extest"就行;sources参数是所有源代码的文件列表,只有一个文件Extest2.c。setup需要两个参数:一个名字参数表示要编译哪个内容;另一个列表参数列出要编译的对象,上述要编译的是一个扩展,故把ext_modules参数的值设为扩展模块的列表。

运行setup.py build命令就可以开始编译我们的扩展了,提示部分信息:

creating build/lib.linux-x86_64-2.6

gcc -pthread -shared build/temp.linux-x86_64-2.6/Extest2.o -L/usr/lib64 -lpython2.6 -o build/lib.linux-x86_64-2.6/Extest.so

(4)导入和测试

你的扩展会被创建在运行setup.py脚本所在目录下的build/lib.*目录中,可以切换到那个目录中来测试模块,或者也可以用命令把它安装到Python中:python setup.py install,会提示相应信息。

测试模块:

(5)引用计数和线程安全

Python对象引用计数的宏:Py_INCREF(obj)增加对象obj的引用计数,Py_DECREF(obj)减少对象obj的引用计数。Py_INCREF()和Py_DECREF()两个函数也有一个先检查对象是否为空的版本,分别为Py_XINCREF()和Py_XDECREF()。

编译扩展的程序员必须要注意,代码有可能会被运行在一个多线程的Python环境中。这些线程使用了两个C宏Py_BEGIN_ALLOW_THREADS和Py_END_ALLOW_THREADS, 通过将代码和线程隔离,保证了运行和非运行时的安全性,由这些宏包裹的代码将会允许其他线程的运行。

三、C/C++调用Python

C++可以调用Python脚本,那么就可以写一些Python的脚本接口供C++调用了,至少可以把Python当成文本形式的动态链接库,

需要的时候还可以改一改,只要不改变接口。缺点是C++的程序一旦编译好了,再改就没那么方便了。

(1)Python脚本:pytest.py

#test function

def add(a,b):

print "in python function add"

print "a = " + str(a)

print "b = " + str(b)

print "ret = " + str(a+b)

return

def foo(a):

print "in python function foo"

print "a = " + str(a)

print "ret = " + str(a * a)

return

class guestlist:

def __init__(self):

print "aaaa"

def p():

print "bbbbb"

def __getitem__(self, id):

return "ccccc"

def update():

guest = guestlist()

print guest['aa']

#update()

(2)C++代码:

/**g++ -o callpy callpy.cpp -I/usr/include/python2.6 -L/usr/lib64/python2.6/config -lpython2.6**/

#include <Python.h>

int main(int argc, char** argv)

{

// 初始化Python

//在使用Python系统前,必须使用Py_Initialize对其

//进行初始化。它会载入Python的内建模块并添加系统路

//径到模块搜索路径中。这个函数没有返回值,检查系统

//是否初始化成功需要使用Py_IsInitialized。

Py_Initialize();

// 检查初始化是否成功

if ( !Py_IsInitialized() ) {

return -1;

}

// 添加当前路径

//把输入的字符串作为Python代码直接运行,返回0

//表示成功,-1表示有错。大多时候错误都是因为字符串

//中有语法错误。

PyRun_SimpleString("import sys");

PyRun_SimpleString("print '---import sys---'");

PyRun_SimpleString("sys.path.append('./')");

PyObject *pName,*pModule,*pDict,*pFunc,*pArgs;

// 载入名为pytest的脚本

pName = PyString_FromString("pytest");

pModule = PyImport_Import(pName);

if ( !pModule ) {

printf("can't find pytest.py");

getchar();

return -1;

}

pDict = PyModule_GetDict(pModule);

if ( !pDict ) {

return -1;

}

// 找出函数名为add的函数

printf("----------------------\n");

pFunc = PyDict_GetItemString(pDict, "add");

if ( !pFunc || !PyCallable_Check(pFunc) ) {

printf("can't find function [add]");

getchar();

return -1;

}

// 参数进栈

PyObject *pArgs;

pArgs = PyTuple_New(2);

// PyObject* Py_BuildValue(char *format, ...)

// 把C++的变量转换成一个Python对象。当需要从

// C++传递变量到Python时,就会使用这个函数。此函数

// 有点类似C的printf,但格式不同。常用的格式有

// s 表示字符串,

// i 表示整型变量,

// f 表示浮点数,

// O 表示一个Python对象。

PyTuple_SetItem(pArgs, 0, Py_BuildValue("l",3));

PyTuple_SetItem(pArgs, 1, Py_BuildValue("l",4));

// 调用Python函数

PyObject_CallObject(pFunc, pArgs);

//下面这段是查找函数foo 并执行foo

printf("----------------------\n");

pFunc = PyDict_GetItemString(pDict, "foo");

if ( !pFunc || !PyCallable_Check(pFunc) ) {

printf("can't find function [foo]");

getchar();

return -1;

}

pArgs = PyTuple_New(1);

PyTuple_SetItem(pArgs, 0, Py_BuildValue("l",2));

PyObject_CallObject(pFunc, pArgs);

printf("----------------------\n");

pFunc = PyDict_GetItemString(pDict, "update");

if ( !pFunc || !PyCallable_Check(pFunc) ) {

printf("can't find function [update]");

getchar();

return -1;

}

pArgs = PyTuple_New(0);

PyTuple_SetItem(pArgs, 0, Py_BuildValue(""));

PyObject_CallObject(pFunc, pArgs);

Py_DECREF(pName);

Py_DECREF(pArgs);

Py_DECREF(pModule);

// 关闭Python

Py_Finalize();

return 0;

}

(3)C++编译成二进制可执行文件:g++ -o callpy callpy.cpp -I/usr/include/python2.6 -L/usr/lib64/python2.6/config -lpython2.6,编译选项需要手动指定Python的include路径和链接接路径(Python版本号根据具体情况而定)。

(4)运行结果:

四、总结

(1)Python和C/C++的相互调用仅是测试代码,具体的项目开发还得参考Python的API文档。

(2)两者交互,C++可为Python编写扩展模块,Python也可为C++提供脚本接口,更加方便于实际应用。

以上为个人经验,希望能给大家一个参考,也希望大家多多支持。如有错误或未考虑完全的地方,望不吝赐教。

以上是 Python与C/C++的相互调用案例 的全部内容, 来源链接: utcz.com/z/343912.html

回到顶部