python靜態編譯器

㈠ golang 和python 那個好

沒有絕對好的和絕對壞的，而是使用的時候，充分利用他們的優點即可
Go對比Python的優點如下：
一、部署簡單。 Go 編譯生成的是一個靜態可執行文件，除了 glibc 外沒有其他外部依賴。這讓部署變得異常方便：目標機器上只需要一個基礎的系統和必要的管理、監控工具，完全不需要操心應用所需的各種包、庫的依賴關系，大大減輕了維護的負擔。這和 Python 有著巨大的區別。由於歷史的原因， Python 的部署工具生態相當混亂，比如 setuptools, distutils, pip, buildout 的不同適用場合以及兼容性問題。官方 PyPI 源又經常出問題，需要搭建私有鏡像，而維護這個鏡像又要花費不少時間和精力。
二、並發性好。 Goroutine 和 channel 使得編寫高並發的服務端軟體變得相當容易，很多情況下完全不需要考慮鎖機制以及由此帶來的各種問題。單個 Go 應用也能有效的利用多個 CPU 核，並行執行的性能好。這和 Python 也是天壤之比。多線程和多進程的服務端程序編寫起來並不簡單，而且由於全局鎖 GIL 的原因，多線程的 Python 程序並不能有效利用多核，只能用多進程的方式部署；如果用標准庫里的 multiprocessing 包又會對監控和管理造成不少的挑戰（我們用的 supervisor 管理進程，對 fork 支持不好）。部署 Python 應用的時候通常是每個 CPU 核部署一個應用，這會造成不少資源的浪費，比如假設某個 Python 應用啟動後需要佔用 100MB 內存，而伺服器有 32 個 CPU 核，那麼留一個核給系統、運行 31 個應用副本就要浪費 3GB 的內存資源。
三、良好的語言設計。從學術的角度講 Go 語言其實非常平庸，不支持許多高級的語言特性；但從工程的角度講， Go 的設計是非常優秀的：規范足夠簡單靈活，有其他語言基礎的程序員都能迅速上手。更重要的是 Go 自帶完善的工具鏈，大大提高了團隊協作的一致性。比如 gofmt 自動排版 Go 代碼，很大程度上杜絕了不同人寫的代碼排版風格不一致的問題。把編輯器配置成在編輯存檔的時候自動運行 gofmt ，這樣在編寫代碼的時候可以隨意擺放位置，存檔的時候自動變成正確排版的代碼。此外還有 gofix, govet 等非常有用的工具。
四、執行性能好。雖然不如 C 和 java ，但通常比原生 Python 應用還是高一個數量級的，適合編寫一些瓶頸業務。內存佔用也非常省。

㈡ python的簡單問題

要把代碼發現來才知道，以下是常見的錯誤下面終於要講到當你用到更多的Python的功能（數據類型，函數，模塊，類等等）時可能碰到的問題了。由於篇幅有限，這里盡量精簡，尤其是對一些高級的概念。要想了解更多的細節，敬請閱讀Learning Python, 2nd Edition的逗小貼士地以及逗Gotchas地章節。 打開文件的調用不使用模塊搜索路徑當你在Python中調用open()來訪問一個外部的文件時，Python不會使用模塊搜索路徑來定位這個目標文件。它會使用你提供的絕對路徑，或者假定這個文件是在當前工作目錄中。模塊搜索路徑僅僅為模塊載入服務的。不同的類型對應的方法也不同列表的方法是不能用在字元串上的，反之亦然。通常情況下，方法的調用是和數據類型有關的，但是內部函數通常在很多類型上都可以使用。舉個例子來說，列表的reverse方法僅僅對列表有用，但是len函數對任何具有長度的對象都適用不能直接改變不可變數據類型記住你沒法直接的改變一個不可變的對象（例如，元組，字元串）： T = (1, 2, 3) T[2] = 4 # 錯誤 用切片，聯接等構建一個新的對象，並根據需求將原來變數的值賦給它。因為Python會自動回收沒有用的內存，因此這沒有看起來那麼浪費： T = T[:2] + (4,) # 沒問題了: T 變成了 (1, 2, 4) 使用簡單的for循環而不是while或者range 當你要從左到右遍歷一個有序的對象的所有元素時，用簡單的for循環（例如，for x in seq:）相比於基於while-或者range-的計數循環而言會更容易寫，通常運行起來也更快。除非你一定需要，盡量避免在一個for循環里使用range：讓Python來替你解決標號的問題。在下面的例子中三個循環結構都沒有問題，但是第一個通常來說更好；在Python里，簡單至上。 S = "lumberjack" for c in S: print c # 最簡單 for i in range(len(S)): print S[i] # 太多了 i = 0 # 太多了 while i len(S): print S[i]; i += 1 不要試圖從那些會改變對象的函數得到結果諸如像方法list.append()和list.sort()一類的直接改變操作會改變一個對象，但不會將它們改變的對象返回出來（它們會返回None）；正確的做法是直接調用它們而不要將結果賦值。經常會看見初學者會寫諸如此類的代碼： mylist = mylist.append(X) 目的是要得到append的結果，但是事實上這樣做會將None賦值給mylist，而不是改變後的列表。更加特別的一個例子是想通過用排序後的鍵值來遍歷一個字典里的各個元素，請看下面的例子： D = {...} for k in D.keys().sort(): print D[k] 差一點兒就成功了——keys方法會創建一個keys的列表，然後用sort方法來將這個列表排序——但是因為sort方法會返回None，這個循環會失敗，因為它實際上是要遍歷None（這可不是一個序列）。要改正這段代碼，將方法的調用分離出來，放在不同的語句中，如下： Ks = D.keys() Ks.sort() for k in Ks: print D[k] 只有在數字類型中才存在類型轉換在Python中，一個諸如123+3.145的表達式是可以工作的——它會自動將整數型轉換為浮點型，然後用浮點運算。但是下面的代碼就會出錯了： S = "42" I = 1 X = S + I # 類型錯誤 這同樣也是有意而為的，因為這是不明確的：究竟是將字元串轉換為數字（進行相加）呢，還是將數字轉換為字元串（進行聯接）呢看在Python中，我們認為逗明確比含糊好地（即，EIBTI（Explicit is better than implicit）），因此你得手動轉換類型： X = int(S) + I # 做加法: 43 X = S + str(I) # 字元串聯接: "421" 循環的數據結構會導致循環盡管這在實際情況中很少見，但是如果一個對象的集合包含了到它自己的引用，這被稱為循環對象（cyclic object）。如果在一個對象中發現一個循環，Python會輸出一個[…]，以避免在無限循環中卡住： >>> L = ['grail'] # 在 L中又引用L自身會 >>> L.append(L) # 在對象中創造一個循環 >>> L ['grail', [...]] 除了知道這三個點在對象中表示循環以外，這個例子也是很值得借鑒的。因為你可能無意間在你的代碼中出現這樣的循環的結構而導致你的代碼出錯。如果有必要的話，維護一個列表或者字典來表示已經訪問過的對象，然後通過檢查它來確認你是否碰到了循環。賦值語句不會創建對象的副本，僅僅創建引用這是Python的一個核心理念，有時候當行為不對時會帶來錯誤。在下面的例子中，一個列表對象被賦給了名為L的變數，然後L又在列表M中被引用。內部改變L的話，同時也會改變M所引用的對象，因為它們倆都指向同一個對象。 >>> L = [1, 2, 3] # 共用的列表對象 >>> M = ['X', L, 'Y'] # 嵌入一個到L的引用 >>> M ['X', [1, 2, 3], 'Y'] >>> L[1] = 0 # 也改變了M >>> M ['X', [1, 0, 3], 'Y'] 通常情況下只有在稍大一點的程序里這就顯得很重要了，而且這些共用的引用通常確實是你需要的。如果不是的話，你可以明確的給他們創建一個副本來避免共用的引用；對於列表來說，你可以通過使用一個空列表的切片來創建一個頂層的副本： >>> L = [1, 2, 3] >>> M = ['X', L[:], 'Y'] # 嵌入一個L的副本 >>> L[1] = 0 # 僅僅改變了L，但是不影響M >>> L [1, 0, 3] >>> M ['X', [1, 2, 3], 'Y'] 切片的范圍起始從默認的0到被切片的序列的最大長度。如果兩者都省略掉了，那麼切片會抽取該序列中的所有元素，並創造一個頂層的副本（一個新的，不被公用的對象）。對於字典來說，使用字典的dict.()方法。靜態識別本地域的變數名 Python默認將一個函數中賦值的變數名視作是本地域的，它們存在於該函數的作用域中並且僅僅在函數運行的時候才存在。從技術上講，Python是在編譯def代碼時，去靜態的識別本地變數，而不是在運行時碰到賦值的時候才識別到的。如果不理解這點的話，會引起人們的誤解。比如，看看下面的例子，當你在一個引用之後給一個變數賦值會怎麼樣： >>> X = 99 >>> def func(): ... print X # 這個時候還不存在 ... X = 88 # 在整個def中將X視作本地變數 ... >>> func( ) # 出錯了！ 你會得到一個逗未定義變數名地的錯誤，但是其原因是很微妙的。當編譯這則代碼時，Python碰到給X賦值的語句時認為在這個函數中的任何地方X會被視作一個本地變數名。但是之後當真正運行這個函數時，執行print語句的時候，賦值語句還沒有發生，這樣Python便會報告一個逗未定義變數名地的錯誤。事實上，之前的這個例子想要做的事情是很模糊的：你是想要先輸出那個全局的X，然後創建一個本地的X呢，還是說這是個程序的錯誤看如果你真的是想要輸出這個全局的X，你需要將它在一個全局語句中聲明它，或者通過包絡模塊的名字來引用它。默認參數和可變對象在執行def語句時，默認參數的值只被解析並保存一次，而不是每次在調用函數的時候。這通常是你想要的那樣，但是因為默認值需要在每次調用時都保持同樣對象，你在試圖改變可變的默認值（mutable defaults）的時候可要小心了。例如，下面的函數中使用一個空的列表作為默認值，然後在之後每一次函數調用的時候改變它的值： >>> def saver(x=[]): # 保存一個列表對象 ... x.append(1) # 並每次調用的時候 ... print x # 改變它的值 ... >>> saver([2]) # 未使用默認值 [2, 1] >>> saver() # 使用默認值 [1] >>> saver() # 每次調用都會增加！ [1, 1] >>> saver() [1, 1, 1] 有的人將這個視作Python的一個特點——因為可變的默認參數在每次函數調用時保持了它們的狀態，它們能提供像C語言中靜態本地函數變數的類似的一些功能。但是，當你第一次碰到它時會覺得這很奇怪，並且在Python中有更加簡單的辦法來在不同的調用之間保存狀態（比如說類）。要擺脫這樣的行為，在函數開始的地方用切片或者方法來創建默認參數的副本，或者將默認值的表達式移到函數裡面；只要每次函數調用時這些值在函數里，就會每次都得到一個新的對象： >>> def saver(x=None): ... if x is None: x = [] # 沒有傳入參數看 ... x.append(1) # 改變新的列表 ... print x ... >>> saver([2]) # 沒有使用默認值 [2, 1] >>> saver() # 這次不會變了 [1] >>> saver() [1] 其他常見的編程陷阱下面列舉了其他的一些在這里沒法詳述的陷阱：在頂層文件中語句的順序是有講究的：因為運行或者載入一個文件會從上到下運行它的語句，所以請確保將你未嵌套的函數調用或者類的調用放在函數或者類的定義之後。 reload不影響用from載入的名字：reload最好和import語句一起使用。如果你使用from語句，記得在reload之後重新運行一遍from，否則你仍然使用之前老的名字。在多重繼承中混合的順序是有講究的：這是因為對superclass的搜索是從左到右的，在類定義的頭部，在多重superclass中如果出現重復的名字，則以最左邊的類名為准。在try語句中空的except子句可能會比你預想的捕捉到更多的錯誤。在try語句中空的except子句表示捕捉所有的錯誤，即便是真正的程序錯誤，和sys.exit()調用，也會被捕捉到。

㈢ python是什麼樣的編程語言

編程語言主要從以下幾個角度為進行分類，編譯型和解釋型、靜態語言和動態語言、強類型定義語言和弱類型定義語言，每個分類代表什麼意思呢，我們一起來看一下。

2.1 編譯型與解釋型。

編譯器是把源程序的每一條語句都編譯成機器語言,並保存成二進制文件,這樣運行時計算機可以直接以機器語言來運行此程序,速度很快;

而解釋器則是只在執行程序時,才一條一條的解釋成機器語言給計算機來執行,所以運行速度是不如編譯後的程序運行的快的.

這是因為計算機不能直接認識並執行我們寫的語句,它只能認識機器語言(是二進制的形式)

編譯型

優點：編譯器一般會有預編譯的過程對代碼進行優化。因為編譯只做一次，運行時不需要編譯，所以編譯型語言的程序執行效率高。可以脫離語言環境獨立運行。

缺點：編譯之後如果需要修改就需要整個模塊重新編譯。編譯的時候根據對應的運行環境生成機器碼，不同的操作系統之間移植就會有問題，需要根據運行的操作系統環境編

解釋型

優點：有良好的平台兼容性，在任何環境中都可以運行，前提是安裝了解釋器（虛擬機）。靈活，修改代碼的時候直接修改就可以，可以快速部署，不用停機維護。

缺點：每次運行的時候都要解釋一遍，性能上不如編譯型語言。

2.2動態語言和靜態語言

通常我們所說的動態語言、靜態語言是指動態類型語言和靜態類型語言。

（1）動態類型語言：動態類型語言是指在運行期間才去做數據類型檢查的語言，也就是說，在用動態類型的語言編程時，永遠也不用給任何變數指定數據類型，該語言會在你第一次賦值給變數時，在內部將數據類型記錄下來。Python和Ruby就是一種典型的動態類型語言，其他的各種腳本語言如VBScript也多少屬於動態類型語言。

（2）靜態類型語言：靜態類型語言與動態類型語言剛好相反，它的數據類型是在編譯其間檢查的，也就是說在寫程序時要聲明所有變數的數據類型，C/C++是靜態類型語言的典型代表，其他的靜態類型語言還有C#、JAVA等。

2.3強類型定義語言和弱類型定義語言

（1）強類型定義語言：強制數據類型定義的語言。也就是說，一旦一個變數被指定了某個數據類型，如果不經過強制轉換，那麼它就永遠是這個數據類型了。舉個例子：如果你定義了一個整型變數a,那麼程序根本不可能將a當作字元串類型處理。強類型定義語言是類型安全的語言。

（2）弱類型定義語言：數據類型可以被忽略的語言。它與強類型定義語言相反, 一個變數可以賦不同數據類型的值。

強類型定義語言在速度上可能略遜色於弱類型定義語言，但是強類型定義語言帶來的嚴謹性能夠有效的避免許多錯誤。另外，"這門語言是不是動態語言」與"這門語言是否類型安全」之間是完全沒有聯系的！

例如：Python是動態語言，是強類型定義語言（類型安全的語言）; VBScript是動態語言，是弱類型定義語言（類型不安全的語言）; JAVA是靜態語言，是強類型定義語言（類型安全的語言）。

通過上面這些介紹，我們可以得出，python是一門動態解釋性的強類型定義語言。

㈣ Java和python相比哪個好就業

1.從專業的角度來說其實這兩種語言都是值得學習的，但是從個人角度來說，零基礎的話建議大家學Python。Java與Python相比要難學一點。下面給大家詳細分析他們二者之間的區別：從開發難度上看的話:python難度小於java的。Python的語法簡潔清晰，語法接近英語，Python簡單的語法和少到可以忽略不計的語法糖，可以讓初學者專注於思考要做的事情，而不需要在過程上大費周章。開發環境簡單，能打字就能寫代碼，適合新手入門學習；而java的話ava語法需要較好的邏輯思維能力，Java基礎語法需要學習的東西也比較多，如：關鍵字、標識符、注釋、常量與變數、運算符、語句、函數、數組等等，入門比Python要難些。

在運行速度上：Java是靜態語言靜態編譯的，速度上要比Python快的很多，而Python動態類型語言，一邊執行一邊編譯，速度要上慢一些。在應用領域上：Java主要的戰場是在Android手機開發和Web後端開發，而Python主要應用在數據科學，機器學習，人工智慧領域和IOT。可以說兩個都是各自領域的霸主，但是隨著谷歌扶植Kotlin來取代Java，而後端開發NodeJS強勢崛起，所以Java的後端開發霸主地位正在被挑。綜合來看：Python是一門上手非常快，容易學的語言，如果選擇人工智慧，機器學習，Python可以成為你的選擇。如果你從來沒有學過編程也建議你先學Python比較好一點。而對於後端開發Java目前更占優勢，因為legacy的後端市場java的份額比較大，但是對於小公司或者創業公司，後端市場Django，NodeJS也是非常有競爭力的。

2.如果想要系統學習，你可以考察對比一下開設有相關專業的熱門學校，好的學校擁有根據當下企業需求自主研發課程的能力，建議實地考察對比一下。

祝你學有所成，望採納。

㈤ Python 在編程語言中是什麼地位為什麼很多大學不教 Python

首先，已經有大學在教Python
Python屬於新型的一種編程語言。之前和老牌的c和pasical沒法比。也於前幾年的JAVA沒法比。有些大學還是用著舊的教學體系。
現在流行的AI人工智慧技術大部分都是用Python語言編寫的，這大大促進了的Python語言的發展。AI深度學習技術本身的特點決定了其不適合靜態編譯型語言，而Python語言被選作AI技術框架的基礎語言，更多的是源於Python的動態特性及其開發效率高等性能優勢。
先說一下國內的編程語言，或程序設計教學的背景
國內的大學本科 工科類的大多數程序設計課程，是以C語言為基礎的 ，有的課程更直接的寫為C語言程序設計 ，雖然有的名稱為C＋＋ ，並且利用Visual C＋＋的IDE集成環境 ，但對於工科計算機基礎類程序設計語言來講，基本都是C的基礎語法部分 。
國內高校目前對於理工科基礎平台課程中計算機基礎，存在有些傳統類型的課程體系，程序設計一般屬於第二門課程（第一門課程就是傳統的計算機基礎，但由於IT飛速發展，目前大學新生遠不是若干年前沒有見過計算機的生手了，許多學校都採用免修和作為選修課，直接進入程序設計語言的教學階段），理工類突出演算法與數據結構 ，意味著偏重後期的計算與（電子電氣信息類）機器系統介面操作。另外，偏文和管理類的，則開始Visual Basic，甚至幾年前還有Fro Pro偏資料庫的語言編程課程 ，則側重基本的演算法與數據處理的基礎，後期工作主要不是和底層代碼打交道了。

由於本文的主題設計Python語言 ，而該語言基本不是僅僅只專門給計算機專業來准備的 。所以，討論本問題，也不會僅僅限制於計算機專業是否開設的范疇。
基於上述情況，國內高校延用一貫的體系，自1980年代個人計算機大普及開始，工科的Fortran語言／Basic語言，計算機專業（部分信息管理專業）的Pascal，隨後軟硬兼容的C語言。Python語言誕生與會1990年代，最重要的是其開源模式。這個重要的因素，考慮國內軟體獲得使用權非常輕松（版權問題）開源對於同樣可以不計版權使用幾乎所有的編程軟體的情況來說，不會引起過多的關注。而國外則會由於開源而考慮軟體成本（當然教育科研會有相當大的折扣）。
另外一個軟體例子，應該是工科高校1990年代以來作為數學工具而使用的Matlab軟體。至今尚不明白，為什麼這個Matlab軟體還成為許多數學，電子學科本科的一門專業基礎課程（選修課尚可考慮）。

歸納如下：
1 課程體系的因素和調整慣性， Python語言一直沒有廣泛採用。但，由於其全面的功能和與其他語言的資源共享，逐漸會納入課程體系，但個人認為，其主要適合通用演算法與程序設計課程或配合相關工科課程課程設計，而是作為高效的程序設計的語言。C語言（C＋＋）仍然對於計算機、電子信息等 專業課程，不可廢棄。其實，作為學習C語言的，花一周左右時間完全可以從容掌握基本的Python程序設計（當然不包括其廣泛的外部應用，網路編程，GUI之類的）。
由於工作的原因，經常與歐美高校進行課程對接，國外高校，本科生的編程，尤其非計算機專業的，多數給出的編程語言為Python例子，當然Matlab仍然是多數的。
2 軟體的版權或多或少會有一定的影響因素。

㈥ Python與C語言有哪些區別

一、言語類型Python是一種基於解說器的言語，解說器會逐行讀取代碼;首先將Python編譯為位元組碼，然後由大型C程序解說;C是一種編譯言語，完好的源代碼將直接編譯為機器代碼，由CPU直接履行。

二、內存辦理Python運用主動廢物收集器進行內存辦理;在C言語中，程序員有必要自己進行內存辦理。

三、運用Python是一種通用編程言語，一個多範式。它首要支持面向目標編程，程序編程，函數編程。C是結構化編程言語。答應運用函數，挑選(if / else等)，迭代(循環)。它首要用於硬體相關的運用程序。

四、速度Python編程言語因為前史原因，有一個GIL鎖，導致其對多線程支持不夠好，運轉速度較慢;而C言語很快，C言語是比較底層的言語，運轉效率上要優於Python。

五、復雜度不一樣在Python中不需要聲明變數類型。而在C中有必要聲明變數類型。Python程序更易於學習，編寫和閱讀。而C程序語法比Python更難。Python中的測驗和調試更容易;而在C中測驗和調試更難。Python相對其他言語而言是非常簡單的言語，高度集成，代碼量少。C是靜態言語在變數在運用前進行聲明，而Python是動態言語在運用的時候可以直接運用不需要聲明，C裡面沒有目標而Python裡面是有目標。C言語在運轉的時候是需要編譯然後運轉，而Python是直接run的。

㈦ 如何實現 C/C++ 與 Python 的通信

屬於混合編程的問題。較全面的介紹一下，不僅限於題主提出的問題。
以下討論中，Python指它的標准實現，即CPython（雖然不是很嚴格）

本文分4個部分

C/C++ 調用 Python （基礎篇）— 僅討論Python官方提供的實現方式
Python 調用 C/C++ （基礎篇）— 僅討論Python官方提供的實現方式
C/C++ 調用 Python （高級篇）— 使用 Cython
Python 調用 C/C++ （高級篇）— 使用 SWIG

練習本文中的例子，需要搭建Python擴展開發環境。具體細節見搭建Python擴展開發環境 - 蛇之魅惑 - 知乎專欄

1 C/C++ 調用 Python（基礎篇）
Python 本身就是一個C庫。你所看到的可執行體python只不過是個stub。真正的python實體在動態鏈接庫里實現，在Windows平台上，這個文件位於 %SystemRoot%\System32\python27.dll。

你也可以在自己的程序中調用Python，看起來非常容易：

//my_python.c
#include <Python.h>

int main(int argc, char *argv[])
{
Py_SetProgramName(argv[0]);
Py_Initialize();
PyRun_SimpleString("print 'Hello Python!'\n");
Py_Finalize();
return 0;
}

在Windows平台下，打開Visual Studio命令提示符，編譯命令為
cl my_python.c -IC:\Python27\include C:\Python27\libs\python27.lib

在Linux下編譯命令為
gcc my_python.c -o my_python -I/usr/include/python2.7/ -lpython2.7

在Mac OS X 下的編譯命令同上

產生可執行文件後，直接運行，結果為輸出
Hello Python!

Python庫函數PyRun_SimpleString可以執行字元串形式的Python代碼。

雖然非常簡單，但這段代碼除了能用C語言動態生成一些Python代碼之外，並沒有什麼用處。我們需要的是C語言的數據結構能夠和Python交互。

下面舉個例子，比如說，有一天我們用Python寫了一個功能特別強大的函數：

def great_function(a):
return a + 1

接下來要把它包裝成C語言的函數。我們期待的C語言的對應函數應該是這樣的：

int great_function_from_python(int a) {
int res;
// some magic
return res;
}

首先，復用Python模塊得做『import』，這里也不例外。所以我們把great_function放到一個mole里，比如說，這個mole名字叫 great_mole.py

接下來就要用C來調用Python了，完整的代碼如下：
#include <Python.h>

int great_function_from_python(int a) {
int res;
PyObject *pMole,*pFunc;
PyObject *pArgs, *pValue;

/* import */
pMole = PyImport_Import(PyString_FromString("great_mole"));

/* great_mole.great_function */
pFunc = PyObject_GetAttrString(pMole, "great_function");

/* build args */
pArgs = PyTuple_New(1);
PyTuple_SetItem(pArgs,0, PyInt_FromLong(a));

/* call */
pValue = PyObject_CallObject(pFunc, pArgs);

res = PyInt_AsLong(pValue);
return res;
}

從上述代碼可以窺見Python內部運行的方式：

所有Python元素，mole、function、tuple、string等等，實際上都是PyObject。C語言里操縱它們，一律使用PyObject *。
Python的類型與C語言類型可以相互轉換。Python類型XXX轉換為C語言類型YYY要使用PyXXX_AsYYY函數；C類型YYY轉換為Python類型XXX要使用PyXXX_FromYYY函數。
也可以創建Python類型的變數，使用PyXXX_New可以創建類型為XXX的變數。
若a是Tuple，則a[i] = b對應於 PyTuple_SetItem(a,i,b)，有理由相信還有一個函數PyTuple_GetItem完成取得某一項的值。
不僅Python語言很優雅，Python的庫函數API也非常優雅。

現在我們得到了一個C語言的函數了，可以寫一個main測試它
#include <Python.h>

int great_function_from_python(int a);

int main(int argc, char *argv[]) {
Py_Initialize();
printf("%d",great_function_from_python(2));
Py_Finalize();
}

編譯的方式就用本節開頭使用的方法。
在Linux/Mac OSX運行此示例之前，可能先需要設置環境變數：
bash:
export PYTHONPATH=.:$PYTHONPATH

csh:
setenv PYTHONPATH .:$PYTHONPATH

2 Python 調用 C/C++（基礎篇）
這種做法稱為Python擴展。
比如說，我們有一個功能強大的C函數：
int great_function(int a) {
return a + 1;
}

期望在Python里這樣使用：
>>> from great_mole import great_function
>>> great_function(2)
3

考慮最簡單的情況。我們把功能強大的函數放入C文件 great_mole.c 中。
#include <Python.h>

int great_function(int a) {
return a + 1;
}

static PyObject * _great_function(PyObject *self, PyObject *args)
{
int _a;
int res;

if (!PyArg_ParseTuple(args, "i", &_a))
return NULL;
res = great_function(_a);
return PyLong_FromLong(res);
}

static PyMethodDef GreateMoleMethods[] = {
{
"great_function",
_great_function,
METH_VARARGS,
""
},
{NULL, NULL, 0, NULL}
};

PyMODINIT_FUNC initgreat_mole(void) {
(void) Py_InitMole("great_mole", GreateMoleMethods);
}

除了功能強大的函數great_function外，這個文件中還有以下部分：

包裹函數_great_function。它負責將Python的參數轉化為C的參數（PyArg_ParseTuple），調用實際的great_function，並處理great_function的返回值，最終返回給Python環境。
導
出表GreateMoleMethods。它負責告訴Python這個模塊里有哪些函數可以被Python調用。導出表的名字可以隨便起，每一項有4
個參數：第一個參數是提供給Python環境的函數名稱，第二個參數是_great_function，即包裹函數。第三個參數的含義是參數變長，第四個
參數是一個說明性的字元串。導出表總是以{NULL, NULL, 0, NULL}結束。
導出函數initgreat_mole。這個的名字不是任取的，是你的mole名稱添加前綴init。導出函數中將模塊名稱與導出表進行連接。

在Windows下面，在Visual Studio命令提示符下編譯這個文件的命令是
cl /LD great_mole.c /o great_mole.pyd -IC:\Python27\include C:\Python27\libs\python27.lib

/LD 即生成動態鏈接庫。編譯成功後在當前目錄可以得到 great_mole.pyd（實際上是dll）。這個pyd可以在Python環境下直接當作mole使用。

在Linux下面，則用gcc編譯：
gcc -fPIC -shared great_mole.c -o great_mole.so -I/usr/include/python2.7/ -lpython2.7

在當前目錄下得到great_mole.so，同理可以在Python中直接使用。

本部分參考資料

《Python源碼剖析-深度探索動態語言核心技術》是系統介紹CPython實現以及運行原理的優秀教程。
Python 官方文檔的這一章詳細介紹了C/C++與Python的雙向互動Extending and Embedding the Python Interpreter
關於編譯環境，本文所述方法僅為出示原理所用。規范的方式如下：3. Building C and C++ Extensions with distutils
作為字典使用的官方參考文檔 Python/C API Reference Manual

用以上的方法實現C/C++與Python的混合編程，需要對Python的內部實現有相當的了解。接下來介紹當前較為成熟的技術Cython和SWIG。

3 C/C++ 調用 Python（使用Cython）

在
前面的小節中談到，Python的數據類型和C的數據類型貌似是有某種「一一對應」的關系的，此外，由於Python（確切的說是CPython）本身是
由C語言實現的，故Python數據類型之間的函數運算也必然與C語言有對應關系。那麼，有沒有可能「自動」的做替換，把Python代碼直接變成C代碼
呢？答案是肯定的，這就是Cython主要解決的問題。

安裝Cython非常簡單。Python 2.7.9以上的版本已經自帶easy_install：
easy_install -U cython

在Windows環境下依然需要Visual
Studio，由於安裝的過程需要編譯Cython的源代碼，故上述命令需要在Visual
Studio命令提示符下完成。一會兒使用Cython的時候，也需要在Visual
Studio命令提示符下進行操作，這一點和第一部分的要求是一樣的。

繼續以例子說明：
#great_mole.pyx
cdef public great_function(a,index):
return a[index]

這其中有非Python關鍵字cdef和public。這些關鍵字屬於Cython。由於我們需要在C語言中使用
「編譯好的Python代碼」，所以得讓great_function從外面變得可見，方法就是以「public」修飾。而cdef類似於Python的
def，只有使用cdef才可以使用Cython的關鍵字public。

這個函數中其他的部分與正常的Python代碼是一樣的。

接下來編譯 great_mole.pyx
cython great_mole.pyx

得到great_mole.h和great_mole.c。打開great_mole.h可以找到這樣一句聲明：
__PYX_EXTERN_C DL_IMPORT(PyObject) *great_function(PyObject *, PyObject *)

寫一個main使用great_function。注意great_function並不規定a是何種類型，它的
功能只是提取a的第index的成員而已，故使用great_function的時候，a可以傳入Python
String，也可以傳入tuple之類的其他可迭代類型。仍然使用之前提到的類型轉換函數PyXXX_FromYYY和PyXXX_AsYYY。

//main.c
#include <Python.h>
#include "great_mole.h"

int main(int argc, char *argv[]) {
PyObject *tuple;
Py_Initialize();
initgreat_mole();
printf("%s\n",PyString_AsString(
great_function(
PyString_FromString("hello"),
PyInt_FromLong(1)
)
));
tuple = Py_BuildValue("(iis)", 1, 2, "three");
printf("%d\n",PyInt_AsLong(
great_function(
tuple,
PyInt_FromLong(1)
)
));
printf("%s\n",PyString_AsString(
great_function(
tuple,
PyInt_FromLong(2)
)
));
Py_Finalize();
}

編譯命令和第一部分相同：
在Windows下編譯命令為
cl main.c great_mole.c -IC:\Python27\include C:\Python27\libs\python27.lib

在Linux下編譯命令為
gcc main.c great_mole.c -o main -I/usr/include/python2.7/ -lpython2.7

這個例子中我們使用了Python的動態類型特性。如果你想指定類型，可以利用Cython的靜態類型關鍵字。例子如下：

#great_mole.pyx
cdef public char great_function(const char * a,int index):
return a[index]

cython編譯後得到的.h里，great_function的聲明是這樣的：
__PYX_EXTERN_C DL_IMPORT(char) great_function(char const *, int);

很開心對不對！
這樣的話，我們的main函數已經幾乎看不到Python的痕跡了：
//main.c
#include <Python.h>
#include "great_mole.h"

int main(int argc, char *argv[]) {
Py_Initialize();
initgreat_mole();
printf("%c",great_function("Hello",2));
Py_Finalize();
}

在這一部分的最後我們給一個看似實用的應用（僅限於Windows）：
還是利用剛才的great_mole.pyx，准備一個dllmain.c：
#include <Python.h>
#include <Windows.h>
#include "great_mole.h"

extern __declspec(dllexport) int __stdcall _great_function(const char * a, int b) {
return great_function(a,b);
}

BOOL WINAPI DllMain(HINSTANCE hinstDLL,DWORD fdwReason,LPVOID lpReserved) {
switch( fdwReason ) {
case DLL_PROCESS_ATTACH:
Py_Initialize();
initgreat_mole();
break;
case DLL_PROCESS_DETACH:
Py_Finalize();
break;
}
return TRUE;
}

在Visual Studio命令提示符下編譯：
cl /LD dllmain.c great_mole.c -IC:\Python27\include C:\Python27\libs\python27.lib

會得到一個dllmain.dll。我們在Excel裡面使用它，沒錯，傳說中的Excel與Python混合編程：

參考資料：Cython的官方文檔，質量非常高：
Welcome to Cython』s Documentation

4 Python調用C/C++（使用SWIG）

用
C/C++對腳本語言的功能擴展是非常常見的事情，Python也不例外。除了SWIG，市面上還有若干用於Python擴展的工具包，比較知名的還有
Boost.Python、SIP等，此外，Cython由於可以直接集成C/C++代碼，並方便的生成Python模塊，故也可以完成擴展Python
的任務。

答主在這里選用SWIG的一個重要原因是，它不僅可以用於Python，也可以用於其他語言。如今SWIG已經支持C/C++的
好基友Java，主流腳本語言Python、Perl、Ruby、PHP、JavaScript、tcl、Lua，還有Go、C#，以及R。SWIG是基
於配置的，也就是說，原則上一套配置改變不同的編譯方法就能適用各種語言（當然，這是理想情況了……）

SWIG的安裝方便，有Windows的預編譯包，解壓即用，綠色健康。主流Linux通常集成swig的包，也可以下載源代碼自己編譯，SWIG非常小巧，通常安裝不會出什麼問題。

用SWIG擴展Python，你需要有一個待擴展的C/C++庫。這個庫有可能是你自己寫的，也有可能是某個項目提供的。這里舉一個不浮誇的例子：希望在Python中用到SSE4指令集的CRC32指令。

首先打開指令集的文檔：https://software.intel.com/en-us/node/514245
可以看到有6個函數。分析6個函數的原型，其參數和返回值都是簡單的整數。於是書寫SWIG的配置文件（為了簡化起見，未包含2個64位函數）：

/* File: mymole.i */
%mole mymole

%{
#include "nmmintrin.h"
%}

int _mm_popcnt_u32(unsigned int v);
unsigned int _mm_crc32_u8 (unsigned int crc, unsigned char v);
unsigned int _mm_crc32_u16(unsigned int crc, unsigned short v);
unsigned int _mm_crc32_u32(unsigned int crc, unsigned int v);

接下來使用SWIG將這個配置文件編譯為所謂Python Mole Wrapper

swig -python mymole.i

得到一個 mymole_wrap.c和一個mymole.py。把它編譯為Python擴展：

Windows：
cl /LD mymole_wrap.c /o _mymole.pyd -IC:\Python27\include C:\Python27\libs\python27.lib

Linux：
gcc -fPIC -shared mymole_wrap.c -o _mymole.so -I/usr/include/python2.7/ -lpython2.7

注意輸出文件名前面要加一個下劃線。
現在可以立即在Python下使用這個mole了：

>>> import mymole
>>> mymole._mm_popcnt_u32(10)
2