基于Python混合编程

薛建波，罗佳

（武汉虹旭信息技术有限责任公司, 湖北武汉，430074）

1　Python语言简介

Python是一个高层次的结合了解释性、编译性、互动性和面向对象的脚本语言。其设计具有很强的可读性，相比其他语言，Python具有特有的语法结构。Python支持广泛的应用程序开发，从简单的文字处理到web开发，以及数据库操作。Python的特点有以下几个方面：Python有相对比较少的关键字，结构简单，语法定义明确。Python代码使用空格对齐，更加便于阅读和理解。每一个模块有清晰的定义和调用说明，在软件完成以后的维护很容易。Python的易于学习和编写使其快速地流行。经过多年的发展和标准制定，Python提供了丰富的标准库。这些库文件安装可以通过Python命令进行。库文件的调用也十分简单。如果标准库中没有目标程序源码，用户可以自己通过c或者C++自我实现。也可以通过API对C和C++进行调用。Python支持所有的商业数据库的数据接口，支持GUI编程。提供成熟可靠的的web框架，简化的web开发的过程。不同用途或者功能的软件开发可能需要不同的语言进行编写。特定的语言提供了良好数据操作和简化后的编程逻辑。而Python提供了当前许多不同功能软件开发、操作的库。不同的程序，相同的语言进行实现，效率更高，兼容性更好。此外，Python还支持机器学习和创建数学模型。

2　基于Python的混合语言编程

使用Python进行混合编程有两种方式：扩展和嵌入。扩展是通过C、C++等系统语言实现Python的功能模块。嵌入是将Python解释器加载到应用程序中，使程序能够解释运行Python语言写成的脚本。两者都需要调用C语言应用程序接口。

2.1　需要扩展Python语言的理由

（1）添加/额外的（非Python）功能，提供Python核心功能中没有提供的部分，比如创建新的数据类型或者将Python嵌入到其它已经存在的应用程序中，则必须进行扩展编译。（2）性能瓶颈的效率提升。解释型语言一般比编译型语言慢，如果某一个模块处理的数据比较多，或者会频繁的操作IO，整个程序的运行速度会降低，形成程序的瓶颈。但是如果将所有的程序都用低级语言编写，会存在两个问题：一是工程量太大，不符合软件开发的初衷-高效率；二是有些模块，Python的运行效率与低级语言运行效率相差不大，不需要重新编译。（3）核心代码加密。因为Python是解释性语言，源代码没有私密性。将核心代码由Python语言转变为编译语言就变得很重要。

2.2　扩展的典型程序结构

（1）创建应用程序的源代码。（2）利用样板来包装代码。（3）创建setup.py进行编译，封装为Python的库。（4）通过Python解释器运行。

3　应用举例

下面以在Linux下面环境下进行文本检索的实例，介绍基于Python的混合编程。该程序实现了对格式化的文本进行检索，查找关键字，提取出包含关键字的数据段。程序运行环境：操作系统-Red Hat 4.4.7-3；编译器-GCC 4.4.7；Python解释器-Python 2.6.6。

3.1　创建程序源代码

在头文件中添加Python.h，里面包含了Python定义的所有的内部数据结构和C API函数原型。按照程序逻辑编写文本处理函数体。通过GCC编译其中的主程序。

3.2　进行模块封装

（1）对照C语言源代码，在文件中为每个模块的每一个函数增加PyObject* M_func()的包装函数。包装函数的目的是把python的值传递给c，再把c中函数的计算结果转换成Python对象返回给python。

（2）将每个模块增加一个PyMethodDef ModuleMethods[]的数组，为Python解释器提供调用入口：

（3）增加模块初始化函数void initMethod()：

3.3　编译测试

（1）编写setup.py文件。

（2）执行setup文件，扩展的模块会被导入至Python的调用库。程序执行的时候，解释器找到模块的位置，进行调用。

（3）运行结果。在文本中找到的关键字数据，并且提取出了文本段。

在原始的文本数据量很大的情况下，扩展以后的数据检索速度明显快于纯Python脚本检索的速度。在此基础上，加入Python的机器学习的库文件进行程序功能的扩展，就能实现数据推荐功能。

4　结语

人工智能兴起带动了Python的发展。Google开源了Python机器学习源码，提供大量标准的Python机器学习库。Python的底层是由C/C++实现。运行速度低于编译语言。随着处理的数据量越来越大，对程序处理速度要求也会不断提升。混合语言编程以后肯定会应用的更加广泛。