简介：Python 中调用 C/C++ 程序的方法有多种，这里简单介绍使用 C/C++ 编写 Python扩展供 Python 中使用的方法。相较于使用 ctypes 加载 C/C++ 程序编译的动态库进而调用函数，扩展模块的方式，从Python 中传入参数以及从 C/C++ 程序获取返回值的过程更为规范，或者说，更能够减少程序出现错误。使用 ctypes 调用程序，在多线程 Python 程序中容易产生段错误（segfault）。
文章目录
1. 扩展模块的作用
C 扩展可以用来做两件不能直接在 Python 中做的事情：
构建新的内置对象类型、调用 C 库函数和系统调用
。
为了支持扩展， Python 的 API 定义了许多函数、宏和变量，可以访问 Python 运行时系统的大部分内容。Python 的相关 API 可以通过在 C 文件中引入 “Python.h” 文件使用。
C 扩展接口依赖于 CPython ，扩展模块无法在其他 Python 实现上工作，因此可移植性较差。
2. 用 C++ 实现 Python 扩展
2.1 引入 Python API
如前所述，在 C++ 程序中使用 Python 的 API 需要在 C++ 程序中引入头文件 “Python.h”。而且由于 Python 可能会定义一些能在某些系统上影响标准头文件的预处理器定义，因此在包含任何标准头文件之前，
必须
先包含 Python.h。推荐总是在 Python.h 前定义 PY_SSIZE_T_CLEAN，实践证明，构建扩展后续是依赖这个宏定义的。因此 C++ 程序的文件头部应当如下所示：
#define PY_SSIZE_T_CLEAN
#include <Python.h>
2.2 添加 C++ 函数到扩展模块
自己定义的模块名称为 demo ，文件名称按照习惯可以命名为 demomodule.cpp，也可以不这么做，模块名的决定性因素为下边 PyModuleDef 类型的结构体。在模块 demo 下可以调用的函数，其函数名格式为 demo_funcname，如下 demo_myFunc 为 demo 模块下 myFunc 函数的定义。一个模块可以定义多个函数。
函数的参数列表
形式固定，均为(PyObject *self, PyObject *args)：
这里self与常用python类中定义函数的 self 类似，无需多看，这里的 args 则是函数接收的参数列表。
具体接收参数的内容，需要在函数定义内部 PyArg_ParseTuple 函数中确定。此函数负责解析在 Python 中调用模块中函数时接收的参数，将其转换为对应的 C 类型数据。
函数返回值
：
定义的函数可以返回对象，也可以直接返回数据。
如果返回的是数据，则需要使用 Py_BuildValue 函数，将 C 类型的数据转换为 Python 中的数据类型。此函数的作用与上述函数 PyArg_ParseTuple 的作用相反。
如果返回的是对象，则意味这需要在此函数中构建一个对象，之后将对象返回给 Python，这时候需要注意给对象增加引用计数，否则会导致内存泄漏的问题。
参见
这里
的7-10
添加 C++ 函数到 扩展模块的源码如下：
static PyObject *demo_myFunc(PyObject *self, PyObject *args)
{
/*
* 这里是一些数据准备工作，用于接收从 Python 传递来的参数，给需要调用的 C++ 函数使用，这里的参数
* 接收需要一些参数解析
*/
unsigned char *cipher_text;
int cipher_text_length;
unsigned char *iv_salt_file_path;
unsigned char result[DEFAULT_RSA_KEY_LEN] = {0};
int len;
/*
* 对接收的参数进行解析，格式转换参见： https://docs.python.org/zh-cn/3/c-api/arg.html
* 这里的 s* 为接收 Python 中字符串或者 byte 类型的参数，将其解析为缓冲区中的内容， 这里的 i
* 为将 Python 中的整型解析为 C++ 中的整型
*/
if (!PyArg_ParseTuple(args, "s*is*", &cipher_text, &cipher_text_length, &iv_salt_file_path)){
return NULL;
}
/*
* 这里是对 C++ 函数的调用，不难发现，这里所使用的数据都是根据 Python 中传来的参数进行构建的，
* 而不是直接使用 Python 的那一份数据。由于 Python 只能管理自己的空间而不能管理其调用的外部函
* 数的空间，如果在外部函数直接使用原始的数据，可能导致在回收空间时出现问题，而且这种问题
* 很难发现。传入参数、返回值，都是根据一方函数中的构建，能够将 Python 与扩展中所使用空间良
* 好分离，避免互相影响。
*/
len = myFunc_c(cipher_text, cipher_text_length, iv_salt_file_path, result);
/* 如果这里的 myFunc_c 是 C++ 中的函数， C++ 函数还需要其他相关依赖，则也需要引入，可以通过引入头文件的方式 */
if (len < 0) {
PyErr_SetString(DemoError, "C function execution failed!");
}
/*
* 将 C++ 的 buf 中的内容解析为 Python 中的字符串类型，即根据 C++ 中的数据为 Python 调用构建返回值
* 注意这里返回的值是根据 C++ 程序中的数据进行构建，而不是从 Python 中直接传入一个参数，之后修改这个
* 参数后返回，这样内存回收时可能会有问题。
* 注意，如果这里返回的是一个对象，还需要注意引用计数相关的问题
*/
return Py_BuildValue("s", result);
}
2.3 模块相关结构体定义
2.3.1 模块方法表
模块中自定义方法的相关信息都需要在此结构中注册。
static PyMethodDef DemoMethods[]=
{
/*
* 模块中的函数、对应的函数名称。注意第三个参数 ( METH_VARARGS ) ，这个标志指定会使用 C 的调用惯例。
* 可选值有 METH_VARARGS 、 METH_VARARGS | METH_KEYWORDS 。值 0 代表使用 PyArg_ParseTuple() 的陈旧变量。
*/
{"myFunc", demo_myFunc, METH_VARARGS,"This function is used for test extension in python."},
{NULL,NULL, 0,NULL} /* 结构体固定格式结尾*/
};
2.3.2 模块定义结构体
上述模块方法表必须被模块定义结构所引用，对应此模块定义的最后一行，而且这个结构体必须传递给解释器的模块初始化函数。
static struct PyModuleDef demomodule = {
PyModuleDef_HEAD_INIT,
"demo", /* 扩展模块名 */
NULL, /* 扩展模块文档，可以为空 */
-1, /* size of per-interpreter state of the module， or -1 if the module keeps state in global variables. */
DemoMethods /* 2.3.1 中对应的模块方法表*/
};
2.4 模块初始化函数
此函数是初始化模块所用，扩展是 C++ 程序，为使 Python 能够调用此模块，编译之前需要使用 extern “C” 将其包裹起来,此函数名称格式为 PyInit_modulename,如这里的模块名称为 demo，对应的初始化函数名称为 PyInit_demo。
extern "C" PyMODINIT_FUNC PyInit_demo()
{
PyObject *m;
/*这里的引用是上述 2.3.2 中的模块定义结构体的引用 */
m = PyModule_Create(&demomodule);
if(m == NULL)
return NULL;
/* 可以自定义异常 */
DemoError = PyErr_NewException("demo.error", NULL, NULL);
Py_INCREF(DemoError);
PyModule_AddObject(m, "error", DemoError);
return m;
}
上述函数、结构体的相互依赖关系，决定了在实现扩展模块的 C++ 程序中各个功能结构实现的先后顺序。至此，扩展模块的实现就已经完成了。
3. 使用 distutils 构建 C 和 C++ 扩展
3.1 构建脚本
扩展模块可以用 distutils 来构建，这是Python自带的。distutils 包含一个驱动脚本 setup.py，如下所示：
from distutils.core import setup, Extension
module1 = Extension('demo', # 扩展模块名称
sources = ['demomodule.cpp']) # 扩展模块对应的 C++ 文件
setup (name = 'PackageName', # 这里会影响到安装扩展时，在本地 Python 中的 egg-info 文件名称，可以自己定义
version = '1.0', # 扩展模块的版本号信息，可以自定义
description = 'This is a demo package', # 这是关于扩展的相关介绍
ext_modules = [module1]) # 这里的 module1 对应与上边的 module1
上述代码是一个简单版本的构建脚本，实际上，它可以还可以接受更多的参数。如通常我们在编译 C++ 程序时，需要通过
-I
和
-L
参数指定编译所需要的一些头文件和库文件的路径，以及使用
-l
指定需要链接的库(包括动态库和静态库),在 setup.py 脚本中，也需要指定这些参数(取决于使用的 C++ 程序是否需要)。同时，在 setup 函数中还可以指定更多信息，开发者可以根据需要添加，如下是一个包含更多信息的示例：
from distutils.core import setup, Extension
module1 = Extension('demo',
define_macros = [('MAJOR_VERSION', '1'), # 编译时设置一些宏定义
('MINOR_VERSION', '0')],
include_dirs = ['/usr/local/include'], # 指定需要引入的头文件位置
libraries = ['tcl83'], # 需要链接的库，比如加密程序需要的库为ssl、crypto（-l参数后的内容）
library_dirs = ['/usr/local/lib'], # 指定需要使用的库文件位置
sources = ['demomodule.cpp'])
setup (name = 'PackageName',
version = '1.0',
description = 'This is a demo package',
author = 'Martin v. Loewis', # 这里可以添加开发者相关的一些信息、网址以及详细的描述
author_email = 'martin@v.loewis.de',
url = 'https://docs.python.org/extending/building',
long_description = '''
This is really just a demo package.
''',
ext_modules = [module1])
3.2 开始构建
到这里，我们已经准备好了扩展的实现代码—— C++ 程序，以及执行构建需要使用的脚本文件—— setup.py文件，接下来，执行构建命令即可：
python3 setup.py build
在首次构建时，能够发现，其编译过程实质上就是使用 g++ 对程序进行编译的过程，构建脚本在执行过程中，会添加很多相关的编译参数。
执行
build
之后，会发现当前目录下多了一个 build 文件夹，此文件夹之下还有两个子文件夹，分别存储编译过程中的中间文件（temp目录）和结果文件（lib目录）。temp 目录下的文件，就是 编译过程中 C++ 程序对应的
.o
文件，而 lib 目录下，则对应编译得到的库文件，其名称前缀为
demo.
。至此，我们编写的扩展就已经可以使用了。在 Python 程序中可以使用
import demo
，只要运行时 Python 程序可以找到此库文件的位置，程序即可正常运行。
但是此时 Python 程序时依赖此库文件位置的，如果程序找不到它，程序就会出错，显示找不到此模块。由于我们进行构建的 CI 环境时比较稳定的，很少有较大改动，因此，直接将此扩展安装至构建环境中的 Python 中，如同构建 CI 环境时，安装其他相关依赖一样，这样，就不用每次将构建的库文件引入到 has 服务的文件结构中。安装 Python 扩展至本地 Python 的命令如下：
python3 setup.py install
根据执行命令后屏幕的输出，很容易会发现，
install
命令执行过程的前一部分和
build
命令是相同的，包含了构建过程，构建完毕会将此库文件安装至本地的 Python 中。
至此，扩展就能够非常方便的在 Python 中使用了
。
4. 总结，涉及 ctypes 使用
这里并不是想黑 ctypes，只是在最初使用的方案中，利用 ctypes 加载 C/C++ 程序编译的动态库文件，之后调用函数，并返回值，整个过程似乎是没有问题，但应该
只是看起来没有问题而已
。单个测试程序运行正常，Python 中能够调用函数，得到想要的效果。但是将其应用到 Python 多线程程序中，就会出现错误。查看 core 文件，最终出错地点是 Python 类中调用 C/C++ 函数相关实例回收的函数，出现了段错误，导致程序宕掉。
当时段时间内没有得到问题所在原因，就改为使用写 Python 扩展的形式。在学习和使用扩展的过程中，也逐渐意识到问题可能是什么原因导致的。
Python 程序和 C/C++ 程序在运行时，对于所需要的空间，各自开辟、各自回收。因此，二者在空间利用上最好不要有交集。使用 Python 扩展的形式这一点就很明确：扩展会通过 PyArg_ParseTuple 函数将 Python 中传递过来的参数解析，用 C/C++ 中的变量或者缓冲区接收，
相当于对原数据进行一次拷贝，而不是直接在原数据上操作
。在向 Python 返回数据时，不是直接返回 C/C++ 程序的结果，而是根据 C/C++ 程序中的结果构建 Python 数据（或者说是对象）。这样既完成了两种程序之间的数据通信，两种程序又不会互相干扰。