Python调用C函数的5种方式总结大比拼

1. ctypes（标准库）

import ctypes
import os

# 加载动态库
lib = ctypes.CDLL('./mylib.so')  # Linux
# lib = ctypes.CDLL('mylib.dll')  # Windows

# 调用C函数
lib.my_function.argtypes = [ctypes.c_int, ctypes.c_float]
lib.my_function.restype = ctypes.c_double
result = lib.my_function(10, 3.14)

特点：

• ✅ Python标准库，无需额外依赖
• ✅ 支持动态加载，无需重新编译
• ⚠️ 需要手动处理类型转换
• ⚠️ 错误处理较为原始

2. CFFI（C Foreign Function Interface）

from cffi import FFI

ffi = FFI()
ffi.cdef("""
    double my_function(int a, float b);
""")

lib = ffi.dlopen('./mylib.so')
result = lib.my_function(10, 3.14)

特点：

• ✅ 更符合Python风格
• ✅ 支持in-line C代码
• ✅ 类型检查更严格
• ⚠️ 需要安装额外包：pip install cffi

3. Python C API（最底层）

// C扩展模块
#include <Python.h>

static PyObject* py_my_function(PyObject* self, PyObject* args) {
    int a;
    float b;
    if (!PyArg_ParseTuple(args, "if", &a, &b))
        return NULL;

    double result = my_function(a, b);
    return PyFloat_FromDouble(result);
}

特点：

• ✅ 性能最优
• ✅ 完全控制内存和错误处理
• ❌ 代码最复杂，易出错
• ❌ 需要处理Python版本兼容性

4. PyBind11（现代C++绑定）

#include <pybind11/pybind11.h>
#include "my_library.h"

PYBIND11_MODULE(example, m) {
    m.def("my_function", &my_function, 
          "A function that adds two numbers",
          py::arg("a"), py::arg("b"));
}

特点：

• ✅ 自动类型转换
• ✅ 支持现代C++特性
• ✅ 简洁的语法
• ⚠️ 需要C++11+编译器
• ⚠️ pip install pybind11

5. Cython

# example.pyx
cdef extern from "my_library.h":
    double my_function(int a, float b)

def py_my_function(int a, float b):
    return my_function(a, b)

特点：

• ✅ Python语法的超集
• ✅ 混合Python和C代码
• ✅ 优秀的性能平衡
• ⚠️ 需要学习Cython语法
• ⚠️ 需要编译步骤

综合对比表格

选择建议

快速原型 → ctypes或CFFI

• 已有编译好的库
• 不想处理构建系统

性能关键 → PyBind11或Cython

• 数学计算、科学计算
• 需要极致性能

复杂C++项目 → PyBind11

• 现代C++代码库
• 需要面向对象特性

已有Python代码优化 → Cython

• 逐步优化现有Python代码
• 混合Python和C逻辑

底层控制 → Python C API

• 需要完全控制内存
• 开发基础Python扩展

性能测试示例

import timeit

# 测试不同方式的调用开销
ctypes_time = timeit.timeit('lib.my_func(1, 2.0)', 
                           setup='import ctypes; lib=...')
cffi_time = timeit.timeit('lib.my_func(1, 2.0)',
                         setup='from cffi import FFI; ffi=...')
# 通常：Python C API ≈ PyBind11 < Cython < CFFI < ctypes

最佳实践

选择时考虑团队熟悉度、项目规模和性能需求，通常PyBind11和Cython在平衡开发效率和运行时性能方面表现最佳。