① 如何编译c文件中调用 cython
以下总结出几种在python 中调用 C/C++ 代码的方法
--------------------------------------------------------------------
发现做便捷的是使用popen
from os import popen
popen('/home/pengyan/Downloads/VIC/sanxia/vicNl -g /home/pengyan/Downloads/VIC/sanxia/xings_global')
popen('/home/pengyan/Downloads/VIC/sanxia/rout /home/pengyan/Downloads/VIC/sanxia/xings_rout')
?? 目前还不会用python 切换文件目录
可以采用绝对路径，但是好像绝对路径时，计算速度变慢
-------------------------------------------------------------------
使用ctypes 模块调用 C 动态库
从Python2.5 开始， Python 开始提供 ctypes 模块来提供对 C 语言编译的动态库文件的调用。注意， 这里特指C 的动态库 ，用C++ 编译的动态库 ctypes 虽然能够加载，但调用时的函数名已经由于 C++ 的重载特性被加以修改，难以调用。 使用 ctypes 调用 C 动态库的好处在于不用进行额外的开发，可以直接使用编译好的动态库。 ctypes 提供了完整的 C 类型封装，也支持自定义类型，大大减少在调用过程中的工作量。 ctypes 的使用很简单，只需熟悉 python 封装与 C 中的对应关系即可。以下用一个简单的例子来说明：
from ctypes import * #导入ctypes模块
libc = cdll.LoadLibrary("libc.so.6") #加载libc动态库
str = c_char_p(' Hello World! ') #使用char *在ctypes中的对应封装c_char_p，相当于char* str=”Hello World!”
libc.printf(“yell: %s\n”, str ) #调用printf函数
ctypes的功能当然远不止这些，有兴趣的同学可以参考这里 http://docs.python.org/library/ctypes.html
使用Python 的扩展（ Extending ）机制
ctypes很方便地可以调用 C 的动态库，但是对 C++ 编译的动态库，调用起来很困难。这种情况利用 Python 的 Extending 机制就可以解决。 Python 提供了一套完整的框架来使用 C/C++ 编写扩展库，可以很灵活的开发 C++ 扩展模块。这种方法的缺点是工作量比较大，需要为每一个方法编写接口，这里不做详细介绍，可以参考： http://docs.python.org/extending/extending.html#writing-extensions-in-c
那么有什么办法可以高效的调用C++ 动态库呢，答案是 SWIG 。
使用SWIG 生成扩展模块
上面提到了Python 的扩展机制，缺点是工作量比较大，这里介绍一个工具 SWIG 。 SWIG 是一种简化脚本语言与 C/C++ 接口的开发工具，通过包装和编译 C 语言程序来达到与脚本语言通讯目的的工具。它正是基于 Python 的扩展机制，自动生成接口文件，再编译成可以被 Python 调用的动态库扩展模块。
使用SWIG 生成扩展模块分为以下几步：
将需要调用的代码编译成目标文件(.o) ；
用SWIG 读取编写描述文件 (.i) ，生成接口文件 (.cxx) ；
将接口文件编译为目标文件(.o) ；
将接口文件的目标文件和原代码段的目标文件一起编译成动态库 ；
假设有如下文件
swig_ex.cpp 需要转换成扩展库的原始代码，包含一个int fact(int) 函数
swig_ex.h 原始代码的头文件
swig_ex.i SWIG描述文件
swig_ex.i是一个描述文件，有 SWIG 自己的语法，比较简单，内容如下：
%mole swig_ex
%{
#define SWIG_FILE_WITH_INIT
#include "swig_ex.h"
%}
int fact(int n);
再写一个Makefile 来把这些文件编译成动态库 ：
all: swig_ex.o swig_ex_wrap.o _swig_ex.so
swig_ex.o: swig_ex.cpp swig_ex.h #编译源文件
g++ -fPIC -c swig_ex.cpp
swig_ex_wrap.o: swig_ex.i swig_ex.o #根据 SWIG 描述文件 (.i) 生成接口文件 (.cxx) ，再编译之
swig -c++ -python swig_ex.i
g++ -O2 -fPIC -c swig_ex_wrap.cxx -I/home/work/linyi/autoframe/tool/python/include/python2.6/
_swig_ex.so: swig_ex_wrap.o #将目标文件打包成动态库
g++ -shared swig_ex.o swig_ex_wrap.o -o _swig_ex.so
.PHONY: clean
clean:
rm -rf swig_ex_wrap.* swig_ex.py _swig_ex.so
编译好以后会有一个so 和 py 文件，写一个 setup.py 把他们安装到 python 目录就可以和其他模块一样被 python 调用了：
Import swig_ex
swig_ex.fact(10)
参考文档地址：http://www.swig.org/Doc1.3/SWIGDocumentation.html
原始但有效的方法
除了上面这些方法，在Python 中借用 C/C++ 代码最原始有效的方法就是将代码编译成可执行程序，从 Python 里用 Popen 方法来调用获取输出。这种方法简单有效，缺点是不够灵活，有比较大的局限性，不过在很多情况下也已经足够了。
pipe = os.popen('./tool –a %s –b %s' % (“hello”, “world”))
re = pipe.read()
其他方法
以上这些方法基本上已经能满足Python 调用 C/C++ 的需求了，此外还有一些方法，例如使用 Boost.Python ，使用 Pyrex ，这些方法都能提供 Python 与 C/C++ 的交互。
总结
在Python 中引用 C/C++ 模块的方法较多，根据需要从中选择恰当的方法可以减少很多工作量。
在Python 中引用 C/C++ 模块弥补了 Python 脚本测试框架的很多不足，在提高代码复用率的同时，模块的性能也大大提高。
② python怎么使用cython
1. Cython是什么？
它是一个用来快速生成Python扩展模块(extention mole)的工具
语法是Python和c的混血
Cython作为一个Python的编译器，在科学计算方面很流行，用于提高Python的速度，通过OpenMPI库还可以进行吧并行计算。
2. Cython安装（Windows）
我的环境是win7 x64, python27, vs2010
安装的基础是有一个c编译器（这里以vs2010为例）
从http://cython.org下载安装包，解压到一目录，进入该目录，在cmd命令行中执行
python setup.py install
注：执行过程可能遇到问题：Windows下pip安装包报错：Microsoft Visual C++ 9.0 is required Unable to find vcvarsall.bat
解决方案：下载Microsoft Visual C++ Compiler for Python 2.7，点击直接安装即可。
3. 例子
例3.1：入门
创建hello.pyx，内容如下
def say_hello():
print "Hello World!"
创建setup.py，内容如下
from distutils.core import setup
from Cython.Build import cythonize
setup(name = 'Hello world app',
ext_moles = cythonize("hello.pyx"))
编译Cython代码
step1: 把.pyx文件被Cython便以为.c文件
step2: 把.c文件编译为可导入的使用模块.so(Windows下为.pyd)文件
1
2
python setup.py build
python setup.py install
注：可能出现问题：Unable to find vcvarsall.bat
原因：Python 2.7 会搜索 Visual Studio 2008.如果你电脑上没有这个版本的话就会报错。
如果装的是vs2010，那么在cmd命令行中执行
1
SET VS90COMNTOOLS=%VS100COMNTOOLS%
如果装的是vs2010，那么在cmd命令行中执行
1
SET VS90COMNTOOLS=%VS110COMNTOOLS%
执行
1
2
3
>>> import hello
>>> hello.say_hello()
Hello World!例3.2 通过静态类型提高速度
在Cython中可以通过标记静态类型来提高速度，凡是标记为静态类型的部分都会将动态语言类型变为简单的c代码，从而提速。
但是如果滥用静态类型，会降低可读性，甚至因类型设置不当导致错误类型检查造成速度降低。
例3.2.1 静态类型变量
Python原生态代码
compute.pyx
def f(x):
return x ** 2 - x
def integrate_f(a, b, N):
s = 0
dx = (b - a) / N
for i in range(N):
x += f(a + i * dx)
return s * dx
setup.py
from distutils.core import setup
from Cython.Build import cythonize
setup(
name = 'Hello world app',
ext_moles = cythonize("compute.pyx"),
)
test.py
import compute
import time
starttime = time.clock()
compute.integrate_f(3.2, 6.9, 1000000)
endtime = time.clock()
print "read: %f s" %(endtime - starttime）
执行
1
2
3
python setup.py build
python setup.py install
python test.py
结果
1
read: 0.332332 s
使用静态变量替换后的代码
compute2.pyx
def f(double x):
return x ** 2 - x
def integrate_f(double a, double b, int N):
cdef int i
cdef double s, dx
s = 0
dx = (b - a) / N
for i in range(N):
s += f(a + i * dx)
return s * d
setup2.py
from distutils.core import setup
from Cython.Build import cythonize
setup(
name = 'Hello world app',
ext_moles = cythonize("compute2.pyx"),
)
test2.py
import compute2
import time
starttime = time.clock()
compute2.integrate_f(3.2, 6.9, 1000000)
endtime = time.clock()
print "read: %f s" %(endtime - starttime)
执行
1
2
3
python setup.py build
python setup.py install
python test.py
结果
1
read: 0.109200s
结论
该测试用例，使用静态类型速度是不使用静态类型的3倍。
例3.2.2 静态类型函数
把compute2.pyx中的函数变为
cdef double f(double x):
return x ** 2 - x
def integrate_f(double a, double b, int N):
cdef int i
cdef double s, dx
s = 0
dx = (b - a) / N
for i in range(N):
s += f(a + i * dx)
return s * dx
结果
1
read: 0.084859 s
结论：比例子3.2.1速度又快了
例3.3 调用C函数
cdef extern from "math.h":
double sin(double)
double cos(double)
cpdef double Sin(double x):
return sin(x)
cpdef double Cos(double x):
return cos(x)
cpdef: 对于Python可使用的函数使用（为了使得在以后的Python程序中调用Sin，Cos函数，用cpdef，而不用cdef）
cdef: 对于C可使用的函数使用
请注意，上面的代码声明了 math.h 里的函数，提供给 Cython 使用。C编译器在编译时将会看到 math.h 的声明，但 Cython 不会去分析 math.h 和单独的定义。
③ python编译C扩展报错
C和Python接口的地方应该没什么泄露。
关键是你现在是用C，那所有内存分配的地方都有可能泄露呗。 实在不行可以Jython，或者上面提到的Cython
④ 如何编译Python使之成为可执行程序
Python是一个强大的工具，可惜不是每个人的计算机里面都有安装。当您写了一个好用的工具。要如何让那些没有安装Python的人使用你的工具呢？
对于这样一个需要standalone exectuable环境的需求，直到撰写经验为止，只看到两个比较好用且有持续维护的套件。一个是py2exe。另外一个就是本经验要介绍的PyInstaller。
1
PyInstaller安装
2
最新版本：PyInstaller 2.0
3
直接“解压缩”之后即可使用，解压到您想让他在的路径即可
END
PyInstaller配置
1
事先写好py程序
2
在命令行执行：python Makespec.py --console --onefile NotePad\notepad.py
报错：Configfile is missing or unreadable. Please run Configure.py before building
3
在命令行执行：Configure.py
报错：Python 2.6+ on Windows support needs pywin32，Please install http://sourceforge.net/projects/pywin32/
4
安装最新版本的 pywin32-217.win32-py2.7.exe
END
PyInstaller使用
命令行中运行
目录切换到PyInstaller的安装目录“E:\pyinstaller-1.5\pyinstaller-1.
在PyInstaller的安装目录下新建一个文件夹（比如NotePad）， 然后将要转换的py脚本放到文件夹里（notepad.py）
E:\pyinstaller-1.5\pyinstaller-1.5>python Makespec.py --console --onefile NotePad\notepad.py
E:\pyinstaller-1.5\pyinstaller-1.5>python Build.py NotePad\notepad.spec
验证exeE:\pyinstaller-1.5\pyinstaller-1.5>
E:\pyinstaller-1.5\pyinstaller-1.5\NotePad\dist\notepad.exe 0 0 100（成功）
查看生成的文件，生成的中间文件spec
查看生成的文件，生成的最终文件exe
END
注意事项
在转换之前要确保py程序可以正常通过
如果转换过程中出现什么错误，用搜索引擎搜索解决一下
⑤ 如何使用cython编译扩展
先是安装Cython。由于我只有Windows，所以就只介绍这个平台。
英文的说明可以看《InstallingOnWindows》，共有2步：
一、安装MinGW。现在SF已不提供完整安装版了，只能下载在线安装版。由于Cython也支持C++，所以我也勾选了g++编译器。
装好后把MinGW目录/bin加入PATH环境变量，并保证gcc --version可以正确执行。
接着去Python目录\Lib\distutils下添加一个distutils.cfg文件，内容如下：
[build]
compiler = mingw32
实际上这最后一步也可不做，但每次编译都需要加一个-c参数来指定编译器。
二、安装Cython。
我是直接下载exe版本的，直接运行即可。Python 2.4可能还要做些额外处理，我没有这个版本，没法测试。
接着就可以来测试了，先来写个hello world。
hw.py：
def hi():
print "Hello World"
setup.py：
from distutils.core import setup
from distutils.extension import Extension
from Cython.Distutils import build_ext
setup(
cmdclass = {'build_ext': build_ext},
ext_moles = [Extension("hw", ["hw.py"])]
)
然后运行这段代码进行编译：
setup.py build_ext --inplace
这就生成了很多文件，其中hw.pyd就是生成的C扩展了。
接着测试一下：
>>> from hw import hi
>>> hi()
Hello World
然后来测试下性能：
csigma.py和pysigma.py：
def sigma(n):
a = 0
for i in xrange(n):
a += i
return a
测试脚本：
from timeit import Timer
print Timer('sigma(10000)','from csigma import sigma').timeit(10000)
print Timer('sigma(10000)','from pysigma import sigma').timeit(10000)
⑥ cython编译为可执行文件,目标机器上不用安装Python环境就可以执行
本来就是脚本语言,要做窗口程序的话用C#,VB,再不用易语言也可以
python,lua之类的这方面都有各种弊端
再看看别人怎么说的。
⑦ 怎样查看cython是否安装成功
使用Cython实现混编
1 载Cython用Python setup.py install进行安装
2 实例
① 创建helloworld目录创建helloworld.pyx,内容：cdef extern from"stdio.h": extern int printf(const char *format, ...) def SayHello(): printf("hello,world\n")
② 编译便利用pythonDistutils
helloworld目录创建Setup.py,内容：from distutils.core import setupfrom distutils.extension import Extensionfrom Cython.Build import cythonize setup( name = 'helloworld', ext_moles=cythonize([ Extension("helloworld", ["helloworld.pyx"]), ]),) 编译：python Setup.py build安装：python Setup.py install安装build/lib.???目录helloworld.pyd拷贝Lib/site-packages注： 我希望测试并希望安装build/lib.???目录helloworld.pyd拷贝前目录 或者importhelloworld前执行脚本:import sys;sys.path.append(pathof helloworld.pyd) ③ 测试：>>>import helloworld >>>helloworld.SayHello() hello,world
⑧ 目前cpython调用C/C++的主流手段是cython么
还可以使用Cython来实现混编
1 下载Cython，用Python setup.py install进行安装
2 一个实例
① 创建helloworld目录创建helloworld.pyx,内容如下：cdef extern from"stdio.h": extern int printf(const char *format, ...) def SayHello(): printf("hello,world\n")
② 编译，最方便的是利用python的Distutils了，
helloworld目录下创建Setup.py,内容如下：from distutils.core import setupfrom distutils.extension import Extensionfrom Cython.Build import cythonize setup( name = 'helloworld', ext_moles=cythonize([ Extension("helloworld", ["helloworld.pyx"]), ]),) 编译：python Setup.py build安装：python Setup.py install安装后，会将在build/lib.???目录下生成的helloworld.pyd拷贝到Lib/site-packages注： 有时我们只是希望测试一下，并不希望安装，这时可以把build/lib.???目录下的helloworld.pyd拷贝到当前目录 或者在importhelloworld前执行脚本:import sys;sys.path.append(pathof helloworld.pyd) ③ 测试：>>>import helloworld >>>helloworld.SayHello() hello,world
⑨ IronPython 将python源码编译成dll,用python调用报错ImportError: dynamic mole does not define...
如果你要制作一个python mole名为myjz，那么就必须定义一个mole入口函数：initmyjz()
⑩ 如何通过cython调用objective-c的类，交叉编译到IOS上
可以放到项目文件里编译，就可以防止交叉编译， 另外include主要需要结构上的管理，也就是通过技术管理的方法进行规避。 如果多人开发团队任意include， 你通过编译时的技术手段很难管理好
用pthread实现跨平台。 用cocoa的NSTread或是GCD是无法跨平台的。 你也许会oc的多线程，但在跨平台开发的时候果断摒弃掉吧。
在我开始使用OpenAphid-Engine的时候，已经有几种类似的iOS/Android 项目.这些商业项目或者开源项目使用JavaScript实现代码特性。比如，Titanium 和PhoneGap 允许开发者使用JavaScript开发本地 iOS/Android apps;ngCore 更是可以使用纯正的JavaScript构建跨平台的游戏。JavaScript已经成为了编程语言中的佼佼者，也因为更容易学习吸引了众多开发者参与到这一领域。
怎样在IOS/Android上使用JavaScript
主要有两种方法。一种是使用系统的浏览器组件（IOS中的UIWebView和Android中的WebView），另一方法就是使用整合好的JavaScript引擎。
使用系统的浏览器组件比较容易实现但是更复杂，效率也低。 WebView提供了 addJavascriptInterface 把Java classes注入到JavaScript文本的方法。但是它只支持最原始的几种数据类型，因此也局限了API设计。并且在Android 2.3模拟器上不稳定，在真机上也会遇到 issue #12987的问题。在IOS上更糟 UIWebView没有公共的APIs支持JavaScript到Objective-C的交互(你必须使用似有的APIs才能达到与addJavascriptInterface相同的功能)。