用Python包装C库：C，Cython还是ctypes？
我想从Python应用程序调用C库。 我不想包装整个API，只包含与我的案例相关的函数和数据类型。 正如我所看到的，我有三个选择：
ctypes与外部库进行通信。 我不确定2）或3）是否是更好的选择。 3）的优点是ctypes是标准库的一部分，所产生的代码将是纯Python--尽管我不确定实际的优势有多大。
两种选择都有更多优点/缺点吗？ 你推荐哪种方法？
编辑：谢谢你所有的答案，他们提供了一个很好的资源给任何想要做类似的事情的人。 当然，这个决定仍然是针对单个案例的 - 没有人“这是正确的”答案。 对于我自己的情况，我可能会使用ctypes，但我也期待在其他项目中尝试使用Cython。
由于没有单一的真实答案，接受答案有点武断。 我选择了FogleBird的答案，因为它提供了对ctypes的一些很好的见解，而且它现在也是最高票数的答案。 不过，我建议阅读所有答案以获得良好的概述。
再次感谢。
ctypes是您尽快完成它的最佳选择，并且在您还在编写Python时很高兴与您合作！
我最近包装了一个FTDI驱动程序，用于使用ctypes与USB芯片进行通信，这非常棒。 我已经完成了这一切，并在不到一个工作日的工作。 （我只实现了我们需要的功能，大约15个功能）。
我们以前使用第三方模块PyUSB来达到同样的目的。 PyUSB是一个实际的C / Python扩展模块。 但是PyUSB在阻止读/写操作时没有释放GIL，这对我们造成了问题。 所以我使用ctypes编写了我们自己的模块，它在调用本机函数时释放GIL。
有一点需要注意的是，ctypes不会知道你使用的库中的#define常量和东西，只有函数，所以你必须在你自己的代码中重新定义这些常量。
下面是代码最终看起来如何的一个例子（大量缩减，只是试图告诉你它的要点）：
from ctypes import *
d2xx = WinDLL('ftd2xx')
OK = 0
INVALID_HANDLE = 1
DEVICE_NOT_FOUND = 2
DEVICE_NOT_OPENED = 3
...
def openEx(serial):
serial = create_string_buffer(serial)
handle = c_int()
if d2xx.FT_OpenEx(serial, OPEN_BY_SERIAL_NUMBER, byref(handle)) == OK:
return Handle(handle.value)
raise D2XXException
class Handle(object):
def __init__(self, handle):
self.handle = handle
...
def read(self, bytes):
buffer = create_string_buffer(bytes)
count = c_int()
if d2xx.FT_Read(self.handle, buffer, bytes, byref(count)) == OK:
return buffer.raw[:count.value]
raise D2XXException
def write(self, data):
buffer = create_string_buffer(data)
count = c_int()
bytes = len(data)
if d2xx.FT_Write(self.handle, buffer, bytes, byref(count)) == OK:
return count.value
raise D2XXException
有人在各种选项上做了一些基准测试。
如果我必须用很多类/模板/等包装一个C ++库，我可能会更犹豫。 但是ctypes可以很好地与结构一起使用，甚至可以回调Python。
警告：Cython核心开发者的意见未来。
我几乎总是推荐Cython比ctypes。 原因是它具有更平滑的升级路径。 如果你使用ctypes，很多事情一开始就很简单，用纯Python编写FFI代码当然很酷，不需要编译，构建依赖关系等等。 但是，在某些时候，您几乎肯定会发现，您必须调用很多C库，无论是循环还是更长的一系列相互依赖的调用，并且您都希望加快速度。 这是你会注意到你不能用ctypes做到的地步。 或者，当你需要回调函数并且你发现你的Python回调代码成为瓶颈时，你想加快它并且/或者将它移到C中。 再次，你不能用ctypes做到这一点。 所以你必须在那个时候切换语言，并开始重写你的代码的一部分，可能会将你的Python / ctypes代码逆向工程化为纯C语言，从而破坏了用普通Python写代码的好处。
使用Cython，OTOH，您可以完全自由地使包装和调用代码尽可能薄或厚。 您可以从常规Python代码中简单地调用您的C代码开始，并且Cython将它们转换为本地C调用，无需额外的调用开销，并且Python参数的转换开销极低。 当你注意到在进行C库过多昂贵的调用时，你需要更多的性能，你可以开始使用静态类型注释周围的Python代码，并让Cython将它直接优化为C。 或者，您可以开始在Cython中重新编写C代码的一部分，以避免调用，并专门化和循环地修改循环。 如果您需要快速回调，只需使用适当的签名编写函数并直接将其传递到C回调注册表。 再次，没有开销，它给你明确的C调用性能。 在Cython中，如果你真的无法获得足够快的代码，那么你仍然可以考虑用C（或C ++或Fortran）重写它的真正关键部分，并从你的Cython代码中自然地和本地地调用它。 但是，这真的是最后的选择，而不是唯一的选择。
所以，ctypes很高兴做简单的事情，并快速地运行某些东西。 但是，一旦事情开始增长，您很可能会发现您从一开始就更好地使用了Cython。
Cython本身是一个非常酷的工具，非常值得学习，并且令人惊讶地接近Python语法。 如果您使用Numpy进行任何科学计算，那么Cython就是要走的路，因为它与Numpy集成以实现快速矩阵操作。
Cython是Python语言的超集。 你可以抛出任何有效的Python文件，它会吐出一个有效的C程序。 在这种情况下，Cython只会将Python调用映射到底层的CPython API。 这可能导致50％的加速，因为你的代码不再被解释。
为了获得一些优化，你必须开始告诉Cython关于你的代码的额外事实，比如类型声明。 如果你足够的了解它，它可以将代码简化为纯C语言。也就是说，Python中的for循环变成了C语言中的for循环。在这里你将看到巨大的速度增益。 你也可以在这里链接到外部的C程序。
使用Cython代码也非常容易。 我认为这本手册听起来很难。 你从字面上就是这样做的：
$ cython mymodule.pyx
$ gcc [some arguments here] mymodule.c -o mymodule.so
然后你可以在你的Python代码中import mymodule ，并完全忘记它编译为C
无论如何，因为Cython非常容易安装并开始使用，所以我建议您尝试一下，看它是否适合您的需求。 如果它不是你想要的工具，那不会是浪费。
链接地址: http://www.djcxy.com/p/81317.html