Python作为一门高级编程语言，以其简洁的语法和丰富的库生态赢得了开发者的青睐。然而，在计算密集型任务中，Python的性能往往无法满足要求。Python调用C/C++函数库成为提升应用性能的关键技术路径，通过将底层计算逻辑用C/C++实现，再通过适当的接口与Python交互，可以在保持开发效率的同时获得接近系统语言的执行性能。本文将深入探讨Python调用C/C++函数库的多种方法，包括它们的工作原理、实现步骤、优缺点及适用场景，帮助开发者根据具体需求选择最适合的集成方案。

一、主流调用方法及其基本原理

Python调用C/C++函数库主要有五种主流方法，各有其独特的实现机制和适用范围：

ctypes是Python标准库的一部分，提供了一种直接与C语言兼容的数据类型和函数调用方式。它通过动态加载共享库（.so或.dll）并在内存中创建对应的函数指针来实现调用，无需任何预编译步骤。ctypes的工作原理类似于Windows平台上的DLL调用或Linux平台上的动态链接库加载，通过函数指针和参数类型转换直接调用C函数。

SWIG（SimplifiedWrapper and Interface Generator）是一个开源的软件接口生成器，能够自动生成C/C++与Python之间的接口代码。SWIG通过解析C/C++头文件和接口描述文件（.i），生成特定语言的包装代码，这些代码负责在Python和C/C++之间进行参数转换和内存管理。SWIG支持多种语言和复杂的C++特性，如类、继承、模板等，是处理大型C++项目时的常用工具。

cffi（C Foreign Function Interface）是另一个Python库，用于调用C语言函数。与ctypes不同，cffi采用声明式接口，开发者可以使用接近C语法的声明来定义函数和数据结构。cffi的优势在于其可读性和维护性，同时它还支持与PyPy解释器的兼容，这在某些高性能场景中非常有价值。

Python/C API是Python官方提供的扩展接口，允许开发者用C/C++编写Python模块。这种方法需要开发者深入理解Python对象模型和内存管理机制，通过一系列宏和函数（如PyMOD初始化、PyMethodDef定义等）手动创建Python可调用的对象和方法。Python/C API提供了最大的灵活性，但开发复杂度也最高。

pybind11是一个现代的C++库，旨在简化C++与Python之间的绑定过程。它通过C++模板和编译时类型推导，将C++代码无缝暴露给Python，无需手动编写大量包装代码。pybind11支持C++11及更高版本的特性，如智能指针、移动语义等，是当前推荐的C++与Python集成方案。

二、实现步骤与代码示例

1. ctypes方法

ctypes是最简单的调用方式，适合快速原型开发和简单函数调用。实现步骤如下：

编写C/C++函数并导出为共享库：

// add.c
#include <stdio.h>int add_int(int a, int b) {printf("Adding %d and %d\n", a, b);return a + b;
}float add_float(float a, float b) {printf("Adding %f and %f\n", a, b);return a + b;
}

编译为共享库：

gcc -shared -Wl,-soname,adder -o adder.so -fPIC add.c

Python调用代码：

import ctypes# 加载共享库
adder = ctypes.CDLL('./adder.so')# 设置函数参数类型和返回值类型
adder.add_int.argtypes = [ctypes.c_int, ctypes.c_int]
adder.add_int.restype = ctypes.c_intadder.add_float.argtypes = [ctypes.c_float, ctypes.c_float]
adder.add_float支柱 = ctypes.c_float# 调用函数
result_int = adder.add_int(4, 5)
print(f"4 + 5 = {result_int}")a = ctypes.c_float(5.5)
b = ctypes.c_float(4.1)
result_float = adder.add_float(a, b)
print(f"5.5 + 4.1 = {result_float}")

C++类调用：由于C++支持函数重载，编译器会修改函数名，ctypes无法直接调用。解决方法是在C++代码中使用extern “C”声明：

// TestLib.cpp
#include <iostream>extern "C" {class TestLib {public:void display() {std::cout << "First display" << std::endl;}void display(int a) {std::cout << "Second display:" << a << std::endl;}};TestLib global_obj;void display() {global_obj.display();}void display_int(int a) {global_obj.display(a);}
}

编译命令：

g++ -shared -fPIC TestLib.cpp -o libTestLib.so

Python调用：

import ctypeslib = ctypes.CDLL('./libTestLib.so')lib.display()
lib.display_int(100)

2. cffi方法

cffi提供了更接近C语法的接口定义，适合需要在Python中嵌入C代码的场景。实现步骤如下：

编写C/C++函数并导出为共享库：

// ffi_test.cpp
extern "C" {int add(int a, int b) {return a + b;}
}

编译命令：

g++ffi_test.cpp -fPIC -shared -o libffi_test.so

Python调用代码：

from cffi import FFIffi = FFI()
# 声明C函数接口
ffi.cdef("""int add(int a, int b);"""
)# 加载共享库
lib = ffi.dlopen('libffi_test.so')# 调用函数
print(f"3 + 4 = {lib.add(3, 4)}")

Python代码中嵌入C代码（无需编译为共享库）：

from cffi import FFIffi = FFI()
# 声明C函数接口
ffi.cdef("""int add(int a, int b);"""
)# 定义并编译C代码
lib =ffi.verify("""int add(int a, int b) {return a + b;}"""
)print(f"3 + 4 = {lib.add(3, 4)}")

3. SWIG方法

SWIG适合处理复杂的C++项目，能够自动处理类、继承、模板等特性。实现步骤如下：

编写C++类和接口文件：

// TestLib.h
#include <iostream>class TestLib {
public:TestLib();~TestLib();void display();void display(int a);int add(int a, int b);float add(float a, float b);
};// TestLib.cpp
#include "TestLib.h"TestLib::TestLib() {std::cout << "TestLib created" << std::endl;
}TestLib::~TestLib() {std::cout << "TestLib destroyed" << std::endl;
}void TestLib::display() {std::cout << "First display" << std::endl;
}void TestLib::display(int a) {std::cout << "Second display:" << a << std::endl;
}int TestLib::add(int a, int b) {return a + b;
}float TestLib::add(float a, float b) {return a + b;
}// TestLib.i
%module TestLib%{
#include "TestLib.h"
%}// 声明C++类
class TestLib {
public:TestLib();~TestLib();void display();void display(int a);int add(int a, int b);float add(float a, float b);
};

编译SWIG接口：

swig -c++ -python TestLib.i
g++ -fPIC -c TestLib.cpp
g++ -fPIC -c TestLib wrap.cpp
g++ -shared TestLib.o TestLib wrap.o -o _TestLib.so

Python调用代码：

import TestLib# 创建C++对象
obj = TestLib.TestLib()# 调用成员函数
obj.display()
obj.display(100)# 调用重载函数
print(f"5 + 3 = {obj.add(5, 3)}")
print(f"2.5 + 3.1 = {obj.add(2.5, 3.1)}")

4. Python/C API方法

Python/C API提供了最大的灵活性，但开发复杂度也最高。实现步骤如下：

编写C++扩展模块：

// module.cpp
#include <Python.h>
#include <iostream>// C++类
class TestLib {
public:void display() {std::cout << "First display" << std::endl;}void display(int a) {std::cout << "Second display:" << a << std::endl;}int add(int a, int b) {return a + b;}float add(float a, float b) {return a + b;}
};// Python类型定义
static PyTypeObject TestLibType = {PyVarObjectHead_init"TestLib",sizeof(TestLib),0,// 方法表.tpMethods = methods,
};// 方法定义
static PyMethodDef methods[] = {{"display", (PyCFunction)display, METH_VARARGS, "Display message"},{"display_int", (PyCFunction)display_int, METH_VARARGS, "Display integer"},{"add", (PyCFunction)add, METH_VARARGS, "Add two numbers"},{NULL, NULL, 0, NULL}
};// 模块初始化函数
static struct PyModuleDef moduledef = {PyModuleDefHead_init"module",NULL,0,.mMethods = NULL,.mModuleInit = PyMODInit_module
};PyMODInit_t PyMODInit_module() {// 初始化Python解释器Py_Initialize();// 创建模块PythonModule* module = PyModuleDefInit(&moduledef);// 创建类型if (PyType_Ready(&TestLibType) < 0)return NULL;// 将类型添加到模块PyModuleDictSetItemStr(module-> ob_type, "TestLib", (PyObject*) &TestLibType);return module;
}

编写setup.py：

from setuptools import setup, Extensionmodule = Extension('module',sources=['module.cpp'])setup(name='module',version='1.0',description='Python C++ extension',ext_modules=[module])

编译扩展模块：

python setup.py build_ext --inplace

Python调用代码：

import module# 创建C++对象
obj = module.TestLib()# 调用成员函数
obj.display()
obj.display_int(100)# 调用函数
print(f"5 + 3 = {obj.add(5, 3)}")
print(f"2.5 + 3.1 = {obj.add(2.5, 3.1)}")

5. pybind11方法

pybind11是目前推荐的现代C++与Python集成方案，实现步骤如下：

编写C++代码和绑定：

// example.cpp
#include <pybind11/pybind11.h>using namespace pybind11;class TestLib {
public:void display() {std::cout << "First display" << std::endl;}void display(int a) {std::cout << "Second display:" << a << std::endl;}int add(int a, int b) {return a + b;}float add(float a, float b) {return a + b;}
};PYBIND11_MODULE(example, m) {// 绑定C++类到Pythonm.def("add_int", &TestLib::add, "Add two integers");m.def("add_float", &TestLib::add, "Add two floats");// 绑定类到Pythonpy::class_<TestLib>(m, "TestLib").def py::init<>()).def("display", &TestLib::display).def("display_int", &TestLib::display_int);
}

编译扩展模块：

c++ -O3 -Wall -shared -std=c++11 -fPIC $(python3 -m pybind11 --includes) example.cpp -o example$(python3-config --extension-suffix)

Python调用代码：

import example# 创建C++对象
obj = example.TestLib()# 调用成员函数
obj.display()
obj.display_int(100)# 调用函数
print(f"5 + 3 = {example.add_int(5, 3)}")
print(f"2.5 + 3.1 = {example.add_float(2.5, 3.1)}")

三、不同方法的优缺点与适用场景

下表对五种主流方法进行了系统性比较：

方法	开发复杂度	性能	语言支持	维护性	适用场景
ctypes	低	中	C函数	低	快速原型开发、简单函数调用
cffi	中	高	C函数	中	需要PyPy兼容、轻量级C调用
SWIG	中高	高	C++类、继承、模板	中	大型C++项目、复杂接口
Python/C API	高	最高	C++类、继承、模板	低	需要深度定制、高性能需求
pybind11	中	高	C++11及以上	高	现代C++项目、简洁接口

ctypes的优势在于简单易用，无需额外编译步骤，适合快速验证C函数调用。但其缺点也很明显：不支持C++类和重载，需要手动处理参数类型和内存管理，难以处理复杂数据结构。

cffi相比ctypes提供了更好的可读性和维护性，支持更接近C语法的声明方式，同时兼容PyPy解释器。这对于需要在不同Python实现上运行的程序非常有价值。然而，cffi同样不支持C++类和重载，需要通过C接口间接调用C++功能。

SWIG是处理复杂C++项目的强大工具，能够自动生成Python绑定代码，支持类、继承、模板等高级特性。SWIG的灵活性使其成为许多大型项目的首选。然而，SWIG的学习曲线较陡，需要编写接口描述文件，并且对于某些C++语法（如非常规类型声明）的支持有限。

Python/C API提供了最大的灵活性和控制权，允许开发者完全定制Python与C/C++之间的交互。这对于需要深度集成或特殊性能优化的场景非常有价值。然而，Python/C API的开发复杂度最高，需要深入理解Python对象模型和内存管理机制，维护成本也相应较高。

pybind11是目前推荐的现代C++与Python集成方案，它结合了SWIG的灵活性和Python/C API的性能优势，同时简化了开发流程。pybind11支持C++11及以上版本的特性，如智能指针、移动语义等，使得C++代码可以保持现代风格。此外，pybind11还提供了丰富的文档和示例，降低了学习曲线。然而，pybind11需要C++11及以上版本的编译器支持，这对于某些遗留系统可能构成限制。

四、性能比较与选择建议

在实际应用中，性能是选择调用方法的重要考量因素。根据多个测试案例，不同方法的性能表现如下：

ctypes的调用开销约为纯C函数的1.5-2倍，适合简单的函数调用和快速原型开发。对于需要频繁调用的函数，ctypes的性能可能无法满足要求。

cffi在性能上与ctypes相当，但在代码可读性和维护性方面有所优势。此外，cffi在PyPy解释器上的表现通常优于ctypes，这对于需要高性能且与PyPy兼容的场景非常有价值。

SWIG生成的绑定代码在性能上接近原生C/C++调用，但需要额外的编译步骤。对于复杂的C++项目，SWIG的性能开销通常可以忽略不计。

Python/C API提供了最高的性能，几乎与纯C/C++调用相当，适合对性能要求极高的场景。然而，其开发复杂度也最高，需要开发者深入理解Python内部机制。

pybind11在性能上与Python/C API相当，但开发复杂度显著降低。这对于大多数现代C++项目来说是一个理想的选择，可以在保持高性能的同时减少开发和维护成本。

基于上述分析，以下是针对不同场景的调用方法选择建议：

对于简单函数调用和快速原型开发，ctypes是最佳选择，其简单易用的特性可以快速验证C函数调用。

对于需要PyPy兼容或轻量级C调用的场景，cffi是一个更好的选择，它提供了更好的可读性和维护性。

对于大型C++项目或复杂接口，SWIG是首选工具，它能够自动生成Python绑定代码，支持类、继承、模板等高级特性。

对于需要深度定制或特殊性能优化的场景，Python/C API提供了最大的灵活性，但需要开发者具备深入的Python和C/C++知识。

对于现代C++项目，pybind11是当前推荐的方案，它结合了SWIG的灵活性和Python/C API的性能优势，同时简化了开发流程，支持C++11及以上版本的特性。

五、实际应用案例与最佳实践

科学计算与数据分析：在RPLIDAR数据通讯和解析项目中，使用C++编写数据解析模块，将运算结果写入共享内存块，再通过Python进行数据处理和可视化。这种方法将C++的高性能与Python的易用性相结合，显著提升了程序的执行效率。

机器学习与深度学习：在CGAL（计算几何算法库）的Python绑定中，使用SWIG自动生成Python接口，同时保留C++的模板特性和高性能。这种方法使得复杂的几何计算可以在Python环境中高效执行，同时保持代码的可维护性和扩展性。

Web开发与系统集成：在Flask框架下集成模拟机接口（如RINSIM平台的Dataport.dll），使用pybind11对C++函数进行封装，生成Python模块。这种方法使得复杂的工业控制逻辑可以在Python Web应用中高效调用，同时保持代码的简洁性和可读性。

最佳实践：

明确需求：在选择调用方法之前，明确项目的具体需求，包括性能要求、复杂度、维护周期等。
简化接口：无论使用哪种方法，都应尽量简化C/C++与Python之间的接口，减少跨语言调用的开销。
处理内存管理：跨语言调用需要特别注意内存管理，避免内存泄漏或无效指针访问。
利用现代C++特性：在使用pybind11等现代工具时，充分利用C++11及以上版本的特性，如智能指针、移动语义等，简化代码并提高安全性。
测试与验证：在实际应用中，充分测试跨语言调用的性能和稳定性，确保接口的正确性和可靠性。

六、未来发展趋势与技术展望

随着Python和C++生态的不断发展，Python调用C/C++函数库的技术也在持续演进：

类型系统增强：现代工具如pybind11和SWIG正在不断改进对C++类型系统的支持，使得C++的复杂数据结构可以在Python中更自然地表示和操作。

编译器支持改进：C++编译器（如GCC、Clang）对Python绑定的支持也在不断提升，使得C++代码与Python的集成更加无缝。

多解释器兼容：随着PyPy等替代Python解释器的普及，cffi等工具对多解释器的兼容性变得越来越重要，未来可能会有更多工具支持这一特性。

自动化绑定生成：随着AI技术的发展，可能会出现更智能的绑定生成工具，能够自动分析C/C++代码并生成Python接口，进一步降低开发复杂度。

跨平台支持：Python应用通常需要跨平台运行，未来工具可能会更好地支持Windows、Linux、macOS等不同平台的C/C++库调用。

性能优化：随着计算需求的不断提升，工具可能会提供更精细的性能优化选项，如缓存机制、并行计算支持等。

结论：Python调用C/C++函数库是提升应用性能的重要技术路径。根据项目需求、开发复杂度、性能要求和维护周期等因素，可以选择合适的调用方法。对于大多数现代C++项目，pybind11是当前推荐的方案，它结合了SWIG的灵活性和Python/C API的性能优势，同时简化了开发流程。而对于简单的函数调用和快速原型开发，ctypes或cffi可能是更好的选择。无论选择哪种方法，都应遵循最佳实践，确保接口的正确性和可靠性，同时充分利用现代C++和Python特性，提升代码质量和性能。

参考来源：

1. 【py-22】python调用C/C++的几种方法

2. Python调用C/C++-阿里云开发者社区

3. 简单的Python调用C++程序-腾讯云开发者社区-腾讯云

4. Python调用C/C++代码-CSDN博客

5. Python怎么实现调用c/cpp的库？

6. 简单的Python调用C/C++程序的方法_python 调用c++-CSDN博客

7. Linux平台Python调用C/C++代码四种方法案例解析-CSDN文库

8. python3调用c++动态库（linux）

9. Python使用Ctypes调用C/C++动态库_python调用c++库-CSDN博客

10. python调用C++库-CSDN博客

11. DeePMD-kit v2: A software package for Deep Potential models