作為Python程序員，應該能夠正視Python的優點與缺點。眾所周之，Python的運行速度是很慢的，特別是大數據量的運算時，Python會慢得讓人難以忍受。對于這種情況，“專業”的解決方案是用上numpy或者opencl。不過有時候為了一點小功能用上這種重型的解決方案很不劃算，或者有時候想要實現的操作在numpy里面沒有，需要我們自己用C語言來編寫。總之，我們使用Python與C++的混合編程能夠加快程序熱點的運算速度。

首先要提醒大家注意的是，在考慮聯合編程之前一定要找到程序運行的熱點。簡單一點地，使用標準庫的profile或者cProfile模塊找到最消耗CPU的位置，如果這個位置只簡單的消耗IO時間，通常換成C++程序的意義也不會很大，此時做聯合編程可能是事倍功半，起不到多大的效果。

還有些情況，Python程序員們想要使用操作系統或者外部模塊提供的函數。這些模塊一般是為C/C++程序員提供的。這時候也是Python與C++聯合編程的用武之地。

Python語言可以說是最好的膠水語言。僅就與C++聯合編程這個問題來講，依使用難度與功能來排列，Python社區提供了以下幾種解決方案：

1.使用標準庫ctypes直接調用C/C++編寫的動態鏈接庫。這是最簡單易用的方案。C/C++程序員使用自己的豐富的經驗，把預定的功能實現為動態鏈接庫。而Python程序員只要知道這些動態鏈接庫函數的名稱、參數類型與返回值類型就能簡單地調用它。當你傳入參數時，ctypes模塊會自動地把Python的對象成為C/C++所對應的參數類型。比如以下調用Windows的API:

            
  #定義參數類型與函數名稱
  from ctypes.wintypes import UINT, DWORD
  GetLastInputInfo = ctypes.windll.user32.GetLastInputInfo
  class LASTINPUTINFO(ctypes.Structure):
    _fields_ = [("cbSize", UINT),
         ("dwTime", DWORD)]

  #開始調用DLL導出的函數
  def getLastInputTime_nt():
    info = LASTINPUTINFO()
    info.cbSize = ctypes.sizeof(info)
    info.dwTime = 0
    if not GetLastInputInfo(ctypes.byref(info)):
      raise WindowsError("")
    return info.dwTime


          

??? 在這里展示了如何構造Windows的API所需要的結構體，如何填充結構體并分析返回值。

??? ctypes還能將Python函數提供給C/C++代碼作為回調函數。

??? 與其它解決方案相比。ctypes不需要程序員熟悉C/C++語言，不需要安裝一個C/C++的編譯器，它通過操作系統的接口直接操作C/C++代碼。而且ctypes是標準庫的一部分，只要安裝了Python就可以直接使用。這幾個原因使得它深受Python程序員的喜愛。

??? 而它的劣勢呢。首先，ctypes不能簡單調用C++程序，因為C++在編譯的時候使用了name mangling這個技術來實現函數的重載。C++會自動地為類的成員函數加上類名前綴。所以，C++程序員需要以C語言的調用約定來提供接口，沒有類，沒有重載函數，沒有模板，沒有C++異常。不能直接調用現有的C++代碼可能是這個方案最大的缺點。

??? 另外，對于list, set之類的數據類型，ctypes不能識別并自動地在Python與C/C++數據類型之間轉換。C/C++部分不能識別Python數據類型，這時候只能用Python語言來編寫轉換代碼。如果數據量較大，或者調用很頻繁，轉換代碼反而會浪費很多的資源。這或許是ctypes的另一個劣勢之一了。

2.如果你使用的是Jython或者IronPython的話，它們也提供了類似于ctypes之類的模塊，能夠直接訪問Java或者.Net語言編寫的模塊。其優勢與劣勢大致與ctypes相似。因為其使用范圍有限，這里不再詳述。

3.使用Cython語言，一種類似于Python語言的一種新型語言編寫預定功能的代碼，然后將這些代碼轉換成為C語言編譯成為Python語言可以直接調用的二進制模塊。Cython語言是融合Python語言與C語言的一種新型語言。它本身能夠理解Python語言的語法，然后在其基礎上增加了某些C語言的語法，以便更精細地控制數據類型與指針。基本兼容Python語法是這個解決方案最大的特點。很多時候，Python程序員只要在舊的代碼中簡單地聲明一下代碼中所使用的參數、變量的類型，就能把立即為舊的Python程序提速。

??? Cython提供了一個名為pyximporter的工具，能夠在安裝了C/C++編譯器的計算機上面為簡單的Cython程序直接生成相應的Python模塊。這使得Cython的使用與普通的Python程序一樣簡單。比如下面這段代碼，直接保存為myhello.pyx即可被調用。

            
  #myhello.pyx
  def sayHelloTenTimes():
    cdef int i #只要簡單地為變量標識類型即可加速循環。
    for i in range(0, 10):
      print("hello, world!")

  $ python
  >>> import pyximport; pyximport.install()
  >>> import myhello
  >>> myhello.sayHelloTenTimes()


          

??? 由此可見，Cython非常容易使用。而且不僅能夠處理C語言的模塊，還能處理C++的模塊――雖然沒有直接支持虛函數之類的完整C++特性。因為它不直接使用C/C++語法，而是另外設計比C/C++更簡潔優雅的新型語法，因此，對于不熟悉C/C++的程序員來說有很大的吸引力。相比ctypes來說，因為參數類型轉換更加智能與高效，所以通常能夠提升更多的效率。

??? 劣勢呢，所謂用Python程序員所熟練的語法來編寫高速的運算代碼，乍一聽相當地有吸引力。但是如果想要更深入地控制內存與數據結構時，程序員可能會發現，現在他不得不熟練地掌握C/C++語言，然后用Cython的語法寫出來。以程序員們懶惰的性格，這反而是件難以忍受的事件。這或許是Cython本身并不大流行的主要原因吧。

4.使用boost.python。有意思的是，與ctypes/Cython形成鮮明的對比，boost.python傾向于讓C++程序員擁有更熟悉的編程環境。它讓C++程序員使用他所熟悉的C++語法直接控制Python的數據結構，調用Python的解釋器。它沒有像Cython那樣發明新的語法，而是直接使用C++的語法，編寫供Python使用的接口。與Cython同樣的道理，它的效率優勝于ctypes。

??? 與Cython/SWIG/SIP等方案相比，程序員只需要學習C/C++與Python兩種語言。另外，與本文提到的幾種解決方案相比，它非常適合在主要由C++編寫的程序中控制Python代碼。不僅功能更強大、效率還更高。如此神奇的解決方案會有什么劣勢呢？某些人可能不同意吧，老魚一聽說它依賴于boost就蔫了，感覺編譯與學習龐大又奇怪的boost非常浪費生命。

5.使用SWIG或者SIP，通過編寫一個接口文件，使用類似于C/C++語法――聲明函數、類型的信息，然后使用特殊的工具為C/C++的代碼生成Python的接口代碼。這些接口代碼能夠在Python與C/C++之間的數據結構轉換。最終編譯這些接口代碼，成為Python的二進制模塊。SWIG與SIP的接口文件與C/C++的頭文件非常相似。

??? 這兩種工具差不多，因為。本質上，他們都與Cython類似，都使用了中間語言來生成轉換代碼。但SWIG/SIP能夠在他們的接口文件中嵌入C/C++，能夠讓程序員仔細地調節數據類型的轉換過程。在使用上，它比Cython的層次更低，更接近于Python本身提供的API。

??? SWIG能夠為多種腳本語言生成轉換代碼。而SIP則專門針對Python與C++。此外，SIP本身是作為PyQt的專門工具來開發的，因此它能夠理解Qt的signal/slot。從應用項目上來看，SWIG似乎會更廣泛一點。而SIP，目前所見的項目基本都與PyQt相關。據說SWIG對于C++的支持不好，不知道有沒有人來說一下呢。相比之下,SIP對于C++的支持非常完善，諸如虛函數、protected member function、模版、析構函數、異常等特性都得到良好的支持。而且SIP支持Python的GIL，還擁有一個使用Python編寫的編譯系統。可能會更方便一點。

??? 然而這種方案畢竟要學習一種新的語言，所以從表面上來看不如Cython和boost.python討喜。當程序員想要仔細地調節類型轉換代碼的時候，需要學習SWIG/SIP的內部機制，被限定使用特殊的變量名。這使得這種方案的學習曲線相對較高。

6.直接使用Python的API，可以稱之為最終解決方案。Cython, SWIG, SIP的接口文件轉換后所生成的C/C++代碼實際上都使用Python的API。與其它方案相比，這種方案相當地繁復，必須為每次函數調用編寫數據轉換代碼，還要操心Python對象的引用計數。我覺得這種方案一無是處，這時就不再多講了。其它的工具pybindgen不知道什么情況。有興趣的話可以看看。

好了。題外話一句吧，我一直覺得ctypes與xmlrpc并列Python語言的兩大神器，最能體現Python的生產效率。

希望本文在大家選擇一種技術路線時能提供一點點幫助。