Maison développement back-end Tutoriel Python Explication détaillée de la façon dont Python appelle les programmes C

Explication détaillée de la façon dont Python appelle les programmes C

Feb 20, 2017 am 10:28 AM

Avant-propos

Tout le monde sait que les avantages de Python sont une efficacité de développement élevée et une facilité d'utilisation, tandis que le C a une efficacité de fonctionnement élevée. Les deux peuvent se compléter, que ce soit. en Python Lorsque vous intégrez du code C dans un projet ou utilisez Python pour implémenter des fonctions périphériques dans un projet C, vous pourriez avoir besoin que Python appelle des modules C. Voici plusieurs méthodes de base pour exporter du code C dans des interfaces Python. .

Exportation originale

L'interpréteur Python est implémenté en C, donc tant que notre structure de données C peut être comprise par Python , en théorie, il peut être appelé directement. Nous implémentons test1.cpp comme suit

#include <Python.h>

int Add(int x, int y)
{
 return x + y;
}

int Del(int x, int y)
{
 return x - y;
}

PyObject* WrappAdd(PyObject* self, PyObject* args)
{
 int x, y;
 if (!PyArg_ParseTuple(args, "ii", &x, &y))
 {
  return NULL;
 }
 return Py_BuildValue("i", Add(x, y));
}

PyObject* WrappDel(PyObject* self, PyObject* args)
{
 int x, y;
 if (!PyArg_ParseTuple(args, "ii", &x, &y))
 {
  return NULL;
 }
 return Py_BuildValue("i", Del(x, y));
}
static PyMethodDef test_methods[] = {
 {"Add", WrappAdd, METH_VARARGS, "something"},
 {"Del", WrappDel, METH_VARARGS, "something"},
 {NULL, NULL}
};

extern "C"
void inittest1()
{
 Py_InitModule("test1", test_methods);
}
Copier après la connexion

La commande de compilation est la suivante

g++ -fPIC -shared test1.cpp -I/usr/include/python2.6 -o test1.so
Copier après la connexion

Exécutez l'interpréteur Python et testez comme suit

>>> import test1
>>> test1.Add(1,2)
3
Copier après la connexion

Il y a quelques points à noter ici

  1. Si le nom de la bibliothèque dynamique générée est test1, le fichier source doit avoir la fonction inittest1, et le premier paramètre de Py_InitModule doit être "test1", sinon Python l'importation du module échouera

  2. S'il s'agit d'un fichier source cpp, la fonction inittest1 doit être modifiée avec extern "C". S'il s'agit d'un fichier source c, ce n'est pas obligatoire. La raison en est que l'interpréteur Python recherchera des fonctions comme initxxx lors de l'importation de bibliothèques, et C et C encoderont différemment les symboles de fonction. C prendra en compte la longueur de la fonction et le type de paramètre lors de l'encodage des symboles de fonction. Plus précisément, vous pouvez passer nm test1.so Vérifiez le. symboles de fonction. L'outil c filt peut utiliser les symboles pour résoudre inversement le prototype de fonction

implémenté par boost

Nous utilisons le même exemple que ci-dessus pour implémenter test2.cpp comme suit

#include <boost/python/module.hpp>
#include <boost/python/def.hpp>
using namespace boost::python;

int Add(const int x, const int y)
{
 return x + y;
}

int Del(const int x, const int y)
{
 return x - y;
}

BOOST_PYTHON_MODULE(test2)
{
 def("Add", Add);
 def("Del", Del);
}
Copier après la connexion

Le paramètre de BOOST_PYTHON_MODULE est le nom du module à exporter

La commande de compilation est la suivante

g++ test2.cpp -fPIC -shared -o test2.so -I/usr/include/python2.6 -I/usr/local/include -L/usr/local/lib -lboost_python
Copier après la connexion

Remarque : Vous devez spécifier le fichier d'en-tête boost et le chemin de la bibliothèque, voici /usr/local/include et /usr/local/lib

ou exporter le module via setup.py

#!/usr/bin/env python
from distutils.core import setup
from distutils.extension import Extension

setup(name="PackageName",
 ext_modules=[
  Extension("test2", ["test2.cpp"],
  libraries = ["boost_python"])
 ])
Copier après la connexion

Le premier paramètre d'Extension est le nom du module et le deuxième paramètre est le nom du fichier

Exécutez la commande suivante

python setup.py build
Copier après la connexion

Le répertoire de construction sera généré à ce moment-là, recherchez test2.so à l'intérieur et entrez dans le répertoire de même niveau. Vérifiez comme suit

>>> import test2
>>> test2.Add(1,2)
3
>>> test2.Del(1,2)
-1
Copier après la connexion

Classe d'exportation

test3.cpp est implémenté comme suit

#include <boost/python.hpp>
using namespace boost::python;

class Test
{
public:
 int Add(const int x, const int y)
 {
  return x + y;
 }

 int Del(const int x, const int y)
 {
  return x - y;
 }
};

BOOST_PYTHON_MODULE(test3)
{
 class_<Test>("Test")
  .def("Add", &Test::Add)
  .def("Del", &Test::Del);
}
Copier après la connexion

Remarque : dans BOOST_PYTHON_MODULE L'utilisation de def est quelque peu similaire à la syntaxe de Python, qui est équivalente à

class_<Test>("Test").def("Add", &Test::Add);
class_<Test>("Test").def("Del", &Test::Del);
Copier après la connexion

<🎜. >

La commande de compilation est la suivante

g++ test3.cpp -fPIC -shared -o test3.so -I/usr/include/python2.6 -I/usr/local/include/boost -L/usr/local/lib -lboost_python
Copier après la connexion

Le test est la suivante

>>> import test3
>>> test = test3.Test()
>>> test.Add(1,2)
3
>>> test.Del(1,2)
-1
Copier après la connexion

Fonction d'exportation de paramètre variable

test4.cpp est implémenté comme suit

#include <boost/python.hpp>
using namespace boost::python;

class Test
{
public:
 int Add(const int x, const int y, const int z = 100)
 {
  return x + y + z;
 }
};

int Del(const int x, const int y, const int z = 100)
{
 return x - y - z;
}

BOOST_PYTHON_MEMBER_FUNCTION_OVERLOADS(Add_member_overloads, Add, 2, 3)
BOOST_PYTHON_FUNCTION_OVERLOADS(Del_overloads, Del, 2, 3)

BOOST_PYTHON_MODULE(test4)
{
 class_<Test>("Test")
  .def("Add", &Test::Add, Add_member_overloads(args("x", "y", "z"), "something"));
 def("Del", Del, Del_overloads(args("x", "y", "z"), "something"));
}
Copier après la connexion

Ici, les fonctions Add et Del utilisent toutes deux des paramètres par défaut, Del est une fonction ordinaire et Add est une fonction membre de la classe, différentes macros sont appelées ici respectivement. Les deux derniers paramètres de la macro représentent le. le nombre minimum de paramètres et le nombre maximum de paramètres de la fonction respectivement

La commande de compilation est la suivante

g++ test4.cpp -fPIC -shared -o test4.so -I/usr/include/python2.6 -I/usr/local/include/boost -L/usr/local/lib -lboost_python
Copier après la connexion

Le test est comme suit

>>> import test4
>>> test = test4.Test()
>>> print test.Add(1,2)
103
>>> print test.Add(1,2,z=3)
6
>>> print test4.Del(1,2)
-1
>>> print test4.Del(1,2,z=3)
-1
Copier après la connexion

Interface d'exportation avec des objets Python

Depuis est exporté en tant qu'interface Python, l'appelant utilisera inévitablement des structures de données spécifiques à Python, telles que tuple, list et dict. Étant donné que la méthode écologique d'origine est trop gênante, seule l'utilisation de boost est enregistrée ici. fonction Python suivante

def Square(list_a)
{
 return [x * x for x in list_a]
}
Copier après la connexion

, c'est-à-dire calculer le carré de chaque élément de la liste passée et renvoyer le résultat du type de liste

Le code est le suivant

#include <boost/python.hpp>

boost::python::list Square(boost::python::list& data)
{
 boost::python::list ret;
 for (int i = 0; i < len(data); ++i)
 {
  ret.append(data[i] * data[i]);
 }

 return ret;
}

BOOST_PYTHON_MODULE(test5)
{
 def("Square", Square);
}
Copier après la connexion

La commande de compilation est la suivante

g++ test5.cpp -fPIC -shared -o test5.so -I/usr/include/python2.6 -I/usr/local/include/boost -L/usr/local/lib -lboost_python
Copier après la connexion

Le test est le suivant

>>> import test5
>>> test5.Square([1,2,3])
[1, 4, 9]
Copier après la connexion

boost implémente les types de données

, boost::python::tuple, boost::python::list La méthode d'utilisation. est fondamentalement le même que celui de Python. Les détails sont La méthode peut consister à afficher boost/python/tuple.hpp et d'autres fichiers correspondants dans le fichier d'en-tête boost boost::python::dict

Une autre fonction couramment utilisée est

, et la méthode d'utilisation est la suivante boost::python::make_tuple()

boost::python::tuple(int a, int b, int c)
{
 return boost::python::make_tuple(a, b, c);
}
Copier après la connexion

Pour des explications plus détaillées sur la façon dont Python appelle les programmes C, veuillez faire attention au site Web PHP chinois !

Déclaration de ce site Web
Le contenu de cet article est volontairement contribué par les internautes et les droits d'auteur appartiennent à l'auteur original. Ce site n'assume aucune responsabilité légale correspondante. Si vous trouvez un contenu suspecté de plagiat ou de contrefaçon, veuillez contacter admin@php.cn

Outils d'IA chauds

Undresser.AI Undress

Undresser.AI Undress

Application basée sur l'IA pour créer des photos de nu réalistes

AI Clothes Remover

AI Clothes Remover

Outil d'IA en ligne pour supprimer les vêtements des photos.

Undress AI Tool

Undress AI Tool

Images de déshabillage gratuites

Clothoff.io

Clothoff.io

Dissolvant de vêtements AI

AI Hentai Generator

AI Hentai Generator

Générez AI Hentai gratuitement.

Article chaud

R.E.P.O. Crystals d'énergie expliqués et ce qu'ils font (cristal jaune)
3 Il y a quelques semaines By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Meilleurs paramètres graphiques
3 Il y a quelques semaines By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Comment réparer l'audio si vous n'entendez personne
3 Il y a quelques semaines By 尊渡假赌尊渡假赌尊渡假赌
Où trouver la courte de la grue à atomide atomique
1 Il y a quelques semaines By DDD

Outils chauds

Bloc-notes++7.3.1

Bloc-notes++7.3.1

Éditeur de code facile à utiliser et gratuit

SublimeText3 version chinoise

SublimeText3 version chinoise

Version chinoise, très simple à utiliser

Envoyer Studio 13.0.1

Envoyer Studio 13.0.1

Puissant environnement de développement intégré PHP

Dreamweaver CS6

Dreamweaver CS6

Outils de développement Web visuel

SublimeText3 version Mac

SublimeText3 version Mac

Logiciel d'édition de code au niveau de Dieu (SublimeText3)

Comment résoudre le problème des autorisations rencontré lors de la visualisation de la version Python dans le terminal Linux? Comment résoudre le problème des autorisations rencontré lors de la visualisation de la version Python dans le terminal Linux? Apr 01, 2025 pm 05:09 PM

Solution aux problèmes d'autorisation Lors de la visualisation de la version Python dans Linux Terminal Lorsque vous essayez d'afficher la version Python dans Linux Terminal, entrez Python ...

Comment utiliser la belle soupe pour analyser HTML? Comment utiliser la belle soupe pour analyser HTML? Mar 10, 2025 pm 06:54 PM

Cet article explique comment utiliser la belle soupe, une bibliothèque Python, pour analyser HTML. Il détaille des méthodes courantes comme find (), find_all (), select () et get_text () pour l'extraction des données, la gestion de diverses structures et erreurs HTML et alternatives (Sel

Comment effectuer l'apprentissage en profondeur avec TensorFlow ou Pytorch? Comment effectuer l'apprentissage en profondeur avec TensorFlow ou Pytorch? Mar 10, 2025 pm 06:52 PM

Cet article compare TensorFlow et Pytorch pour l'apprentissage en profondeur. Il détaille les étapes impliquées: préparation des données, construction de modèles, formation, évaluation et déploiement. Différences clés entre les cadres, en particulier en ce qui concerne le raisin informatique

Comment créer des interfaces de ligne de commande (CLI) avec Python? Comment créer des interfaces de ligne de commande (CLI) avec Python? Mar 10, 2025 pm 06:48 PM

Cet article guide les développeurs Python sur la construction d'interfaces de ligne de commande (CLI). Il détaille à l'aide de bibliothèques comme Typer, Click et Argparse, mettant l'accent sur la gestion des entrées / sorties et promouvant des modèles de conception conviviaux pour une meilleure convivialité par la CLI.

Quelles sont les bibliothèques Python populaires et leurs utilisations? Quelles sont les bibliothèques Python populaires et leurs utilisations? Mar 21, 2025 pm 06:46 PM

L'article traite des bibliothèques Python populaires comme Numpy, Pandas, Matplotlib, Scikit-Learn, Tensorflow, Django, Flask et Demandes, détaillant leurs utilisations dans le calcul scientifique, l'analyse des données, la visualisation, l'apprentissage automatique, le développement Web et H et H

Comment copier efficacement la colonne entière d'une dataframe dans une autre dataframe avec différentes structures dans Python? Comment copier efficacement la colonne entière d'une dataframe dans une autre dataframe avec différentes structures dans Python? Apr 01, 2025 pm 11:15 PM

Lorsque vous utilisez la bibliothèque Pandas de Python, comment copier des colonnes entières entre deux frames de données avec différentes structures est un problème courant. Supposons que nous ayons deux dats ...

Expliquez le but des environnements virtuels dans Python. Expliquez le but des environnements virtuels dans Python. Mar 19, 2025 pm 02:27 PM

L'article traite du rôle des environnements virtuels dans Python, en se concentrant sur la gestion des dépendances du projet et l'évitement des conflits. Il détaille leur création, leur activation et leurs avantages pour améliorer la gestion de projet et réduire les problèmes de dépendance.

Que sont les expressions régulières? Que sont les expressions régulières? Mar 20, 2025 pm 06:25 PM

Les expressions régulières sont des outils puissants pour la correspondance des motifs et la manipulation du texte dans la programmation, améliorant l'efficacité du traitement de texte sur diverses applications.

See all articles