编辑“︁Python C 扩展”︁（章节）

= Python C扩展 =

== 介绍 ==
'''Python C扩展'''允许开发者使用C语言编写Python模块，以提升性能或与现有C代码库集成。这种技术结合了Python的易用性和C的高效性，常用于计算密集型任务、底层硬件操作或需要直接内存管理的场景。

== 为什么使用C扩展 ==
* '''性能优化'''：C代码执行速度通常比纯Python快10-100倍
* '''现有C库集成'''：复用成熟的C/C++代码库
* '''系统级访问'''：直接操作硬件或操作系统API
* '''内存控制'''：精细管理内存分配

== 基本结构 ==
一个典型的C扩展模块包含以下部分：
<syntaxhighlight lang="c">
#include <Python.h>

// 模块方法定义
static PyObject* method_name(PyObject* self, PyObject* args) {
    /* 方法实现 */
}

// 方法列表
static PyMethodDef module_methods[] = {
    {"method_name", method_name, METH_VARARGS, "方法描述"},
    {NULL, NULL, 0, NULL}  // 哨兵值
};

// 模块定义
static struct PyModuleDef module_def = {
    PyModuleDef_HEAD_INIT,
    "module_name",  // 模块名
    "模块文档",
    -1,
    module_methods
};

// 模块初始化函数
PyMODINIT_FUNC PyInit_module_name(void) {
    return PyModule_Create(&module_def);
}
</syntaxhighlight>

== 构建系统 ==
Python提供多种构建C扩展的方式：

=== distutils (传统方式) ===
<syntaxhighlight lang="python">
from distutils.core import setup, Extension

module = Extension('demo', sources=['demo.c'])

setup(name='Demo',
      version='1.0',
      description='Python C扩展演示',
      ext_modules=[module])
</syntaxhighlight>

=== setuptools (现代推荐) ===
<syntaxhighlight lang="python">
from setuptools import setup, Extension

setup(
    ext_modules=[
        Extension('demo', sources=['demo.c'])
    ]
)
</syntaxhighlight>

== 类型转换 ==
Python与C之间的数据类型转换通过PyArg_ParseTuple()和Py_BuildValue()实现：

<syntaxhighlight lang="c">
// 解析Python参数
int arg1;
double arg2;
if (!PyArg_ParseTuple(args, "id", &arg1, &arg2)) {
    return NULL;  // 解析失败
}

// 构建Python返回值
return Py_BuildValue("(if)", result_int, result_float);
</syntaxhighlight>

格式代码说明：
{| class="wikitable"
|-
! 代码 !! C类型 !! Python类型
|-
| 'i' || int || 整数
|-
| 'd' || double || 浮点数
|-
| 's' || char* || 字符串
|-
| 'O' || PyObject* || 任意对象
|}

== 实际案例 ==
=== 案例1：斐波那契数列计算 ===
C实现比Python快约50倍：

<syntaxhighlight lang="c">
static PyObject* fib(PyObject* self, PyObject* args) {
    int n;
    if (!PyArg_ParseTuple(args, "i", &n)) return NULL;
    
    if (n < 2) return PyLong_FromLong(n);
    
    long a = 0, b = 1, tmp;
    for (int i = 2; i <= n; i++) {
        tmp = a;
        a = b;
        b = tmp + b;
    }
    return PyLong_FromLong(b);
}
</syntaxhighlight>

Python调用：
<syntaxhighlight lang="python">
import demo
print(demo.fib(40))  # 输出: 102334155
</syntaxhighlight>

=== 案例2：图像处理 ===
使用C扩展加速图像卷积运算：

<mermaid>
graph LR
    A[Python图像数据] --> B[转换为NumPy数组]
    B --> C[调用C扩展处理]
    C --> D[返回处理后的数组]
</mermaid>

== 错误处理 ==
C扩展中应正确处理Python异常：

<syntaxhighlight lang="c">
if (error_condition) {
    PyErr_SetString(PyExc_ValueError, "Invalid value");
    return NULL;
}
</syntaxhighlight>

常见异常类型：
* PyExc_TypeError
* PyExc_ValueError
* PyExc_MemoryError

== 性能优化技巧 ==
1. 减少Python/C转换次数
2. 使用内存视图(PyMemoryView)处理大数据
3. 避免频繁的Python对象创建
4. 使用C静态类型

== 数学公式示例 ==
当处理科学计算时，C扩展可以高效实现如下的矩阵乘法：

<math>
C_{ij} = \sum_{k=1}^{n} A_{ik} \times B_{kj}
</math>

== 现代替代方案 ==
对于不想直接编写C代码的开发者，可以考虑：
* '''Cython'''：Python超集，编译为C扩展
* '''ctypes'''：直接调用动态链接库
* '''CFFI'''：更灵活的C接口

== 总结 ==
Python C扩展是连接高性能C代码与Python生态的强大工具。虽然学习曲线较陡，但对于性能关键型任务非常有效。现代工具如Cython已经简化了开发流程，但理解底层机制仍对高级开发者至关重要。

[[Category:编程语言]]
[[Category:Python]]
[[Category:Python 高级主题]]