Python 调用 C 语言代码的核心原理是：Python 解释器（通常是 CPython）本身是用 C 写的，它提供了一套标准的 C API，允许 C 代码作为“扩展模块”被加载到 Python 进程中执行。

这就好比 Python 是一个经理，C 语言是技术专家。经理（Python）可以通过特定的“内部电话”（C API）直接指挥专家（C）干活，甚至让专家直接操作内存。

以下是 Python 调用 C 代码的四种主要方式，按从底层到高层的顺序排列：

1. Python C API (最底层、最原生)

这是 Python 官方提供的标准接口。你需要编写符合 Python 规范的 C 代码，将其编译成动态链接库（.so Linux/Mac 或 .pyd Windows），然后像导入普通 Python 模块一样导入。

• 原理：
  • C 代码中包含 #include <Python.h>。
  • 定义函数时，必须遵循特定格式（如 static PyObject* my_func(PyObject *self, PyObject *args)）。
  • 需要手动处理引用计数（管理内存）和类型转换（把 Python 的 int 转为 C 的 long，反之亦然）。
• 优点：性能最高，无中间层开销；可以深度操作 Python 内部对象。
• 缺点：开发难度大，代码繁琐，容易因内存管理错误导致崩溃（Segmentation Fault）。
• 适用场景：编写高性能的基础库（如 NumPy, TensorFlow 的底层）。

代码示例逻辑：

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

static PyObject* say_hello(PyObject* self, PyObject* args) {
    const char* name;
    // 解析 Python 传入的参数
    if (!PyArg_ParseTuple(args, "s", &name))
        return NULL;
    printf("Hello %s!\n", name);
    // 返回 Python 对象 (None)
    Py_RETURN_NONE;
}

// 定义模块方法表
static PyMethodDef Methods[] = {
    {"say_hello", say_hello, METH_VARARGS, "Print a greeting"},
    {NULL, NULL, 0, NULL}
};

// 定义模块结构
static struct PyModuleDef moduledef = {
    PyModuleDef_HEAD_INIT,
    "hello_module",
    NULL,
    -1,
    Methods
};

// 模块初始化入口
PyMODINIT_FUNC PyInit_hello_module(void) {
    return PyModule_Create(&moduledef);
}

编译后在 Python 中：import hello_module; hello_module.say_hello("World")

---

2. Cython (最流行、平衡性最好)

Cython 是 Python 的超集。你写的是类似 Python 的代码（.pyx 文件），但它可以添加 C 类型的声明。Cython 编译器会将这些代码翻译成优化的 C 代码，然后再编译成 Python 扩展模块。

• 原理：
  • 语法接近 Python，但可以声明 cdef int x 这样的 C 变量。
  • 自动处理 Python 对象与 C 数据的转换。
  • 生成 C 代码并调用 gcc/clang 编译。
• 优点：语法简单（90% 是 Python 语法），性能提升巨大（接近 C），生态成熟。
• 缺点：需要学习少量的额外语法（cdef, cpdef），构建过程稍复杂。
• 适用场景：加速 Python 循环、数值计算、封装现有的 C 库。

代码示例逻辑：

python

# hello.pyx
def say_hello(str name):
    # 这一行会被编译成高效的 C 代码
    print(f"Hello {name}!") 
    
    # 纯 C 级别的循环加速
    cdef int i
    for i in range(1000000):
        pass

---

3. ctypes / cffi (无需编译 C 代码，直接调用现有库)

如果你已经有一个编译好的 C 动态库（.dll, .so），不想重新编译，只想在 Python 里调用它，就用这两个。

• ctypes (标准库自带)：
  • 原理：在 Python 运行时动态加载库，手动定义参数类型和返回类型。
  • 优点：无需安装额外包，Python 内置。
  • 缺点：类型定义繁琐，出错时调试困难。
• cffi (第三方库)：
  • 原理：类似 ctypes，但语法更优雅，支持内联 C 代码声明。
  • 优点：比 ctypes 更易用，性能略好，PyPy 支持更好。

ctypes 示例逻辑：

python

import ctypes

# 加载已编译好的 C 库
lib = ctypes.CDLL('./libhello.so')

# 告诉 Python 函数的参数类型和返回类型
lib.say_hello.argtypes = [ctypes.c_char_p]
lib.say_hello.restype = None

# 调用
lib.say_hello(b"World") 

---

4. pybind11 (现代 C++ 首选，也适用于 C)

虽然名字叫 pybind11（主要针对 C++），但它也可以用来封装 C 代码（需包裹一层 C++）。它是现代 C++ 项目连接 Python 的事实标准。

• 原理：利用 C++ 模板元编程，自动生成绑定代码。
• 优点：语法极其简洁现代，自动处理异常和类型转换，头文件-only（只需包含头文件即可使用）。
• 缺点：主要针对 C++，纯 C 项目需要稍微包装一下。

---

总结：如何选择？

表格

需求场景	推荐方案	理由
我要加速现有的 Python 代码	Cython	改动最小，性能提升明显，语法友好。
我要调用现成的 C/C++ 库 (.so/.dll)	ctypes / cffi	无需重新编译库，直接在 Python 侧对接。
我要开发一个新的底层高性能库	pybind11 (C++) 或 C API (纯 C)	现代项目首选 pybind11；极致控制选 C API。
我只是想简单测试一下	ctypes	不需要安装任何东西，Python 自带。

核心流程图解

无论用哪种方法，数据流向都是：

1. Python 层：用户调用函数 func(arg)。
2. 桥接层 (Cython/ctypes/C API)：
   • 将 Python 对象（如 list, str）解包 (Unmarshal) 为 C 的基本数据类型（如 int*, char*）。
   • 检查类型是否匹配。
3. C 层：执行纯粹的 C 逻辑（操作内存、指针运算、硬件交互）。
4. 桥接层：将 C 的返回结果打包 (Marshal) 回 Python 对象。
5. Python 层：接收返回值，继续执行后续 Python 代码。

这种机制使得 Python 能够兼具开发的灵活性（上层逻辑）和执行的效率/硬件能力（底层 C 代码）。