第一章：Python调用C函数的5种方式大比拼，第3种最高效却鲜为人知

在高性能计算和系统级编程中，Python常需调用C语言编写的函数以提升执行效率。目前主流的实现方式有五种，各自在易用性、性能和开发成本上存在显著差异。

使用 ctypes 直接加载动态库

ctypes 是 Python 标准库的一部分，无需额外安装，适合快速调用已编译的 C 共享库。

1 2 3 4 5 6

# 编译命令: gcc -shared -fPIC -o libmath.so math.c from ctypes import CDLL lib = CDLL("./libmath.so") result = lib.add(5, 3)  # 假设C中定义了 int add(int a, int b) print(result)  # 输出: 8

该方法简单直接，但不支持复杂数据结构且缺乏类型安全检查。

借助 Cython 编写混合代码

Cython 将 Python 语法扩展为可编译为 C 的形式，允许精细控制类型。

1 2 3 4 5 6

# example.pyx def fast_sum(int n):     cdef int i, total = 0     for i in range(n):         total += i     return total

通过配置 setup.py 并运行构建指令，生成可导入的模块，性能接近原生 C。

利用 CFFI 实现原生 C 接口调用

CFFI 支持从 Python 中直接声明和调用 C 函数，兼容 C99 标准，是本章节中最高效且少被认知的方式。

1 2 3 4 5

from cffi import FFI ffi = FFI() ffi.cdef("int add(int a, int b);") C = ffi.dlopen("./libmath.so") print(C.add(7, 9))  # 输出: 16

其优势在于支持回调函数、指针操作，并可在 ABI 与 API 模式间切换，兼顾灵活性与速度。

采用 SWIG 生成跨语言绑定

SWIG 是老牌工具，能自动生成多种语言的接口包装，适用于大型项目。

通过 Python C 扩展手动编写模块

直接使用 Python C API 编写模块，性能最优但开发复杂度最高。

• ctypes：零依赖，适合简单调用
• Cython：高性能，适合算法加速
• CFFI：高效且灵活，推荐现代项目使用
• SWIG：适用于多语言集成
• 原生C扩展：最大控制力，维护成本高

方式	性能	学习成本	适用场景
CFFI	★★★★★	★★★	高频调用、复杂接口
Cython	★★★★☆	★★★★	数值计算

第二章：主流调用方式详解与性能对比

2.1 ctypes接口调用：无需编译的便捷方案

在Python中直接调用C语言函数，ctypes提供了一种无需额外编译步骤的轻量级解决方案。它允许Python动态加载共享库，并以原生方式调用其中的函数。

基本使用流程

通过cdll加载动态链接库，即可访问导出的C函数：

1 2 3 4 5 6

from ctypes import cdll # 加载 libc（Linux/Unix） libc = cdll.LoadLibrary("libc.so.6") # 调用 puts 函数 libc.puts(b"Hello from C!")

上述代码加载系统libc并调用其puts函数。参数需转换为C兼容类型，如字符串应传入字节对象（b""）。

数据类型映射

ctypes支持基础类型的自动转换：

• c_int：对应C的int
• c_char_p：字符指针，适用于字符串
• POINTER(c_double)：双精度数组指针

该机制避免了编写C扩展模块的复杂性，适用于快速集成已有C库。

2.2 CFFI实现动态调用：跨语言交互的新选择

CFFI（C Foreign Function Interface）为Python提供了高效调用C语言函数的能力，无需编写复杂的扩展模块。其核心优势在于支持直接加载共享库并动态绑定函数。

基本使用流程

• 定义C函数声明或从头文件中解析
• 使用ffi.dlopen()加载动态链接库
• 通过FFI对象调用C函数，如同调用原生Python函数

1 2 3 4 5

from cffi import FFI ffi = FFI() ffi.cdef("int add(int, int);") C = ffi.dlopen("./libadd.so") result = C.add(3, 4)  # 调用C函数

上述代码中，cdef声明了C函数签名，dlopen加载本地共享库，随后即可在Python中直接调用。参数自动完成类型转换，简化了跨语言数据传递过程。

2.3 Cython封装C函数：编译级集成的高效路径

核心机制与优势

Cython通过生成C级别的扩展模块，实现Python对原生C函数的高效调用。其关键在于将Python代码编译为C，并与C库直接链接，消除解释层开销。

封装步骤示例

首先定义C函数头文件 math_utils.h：

1 2	// math_utils.h double add(double a, double b);

该函数接受两个双精度浮点数，返回其和，是典型的基础算术操作。 接着编写Cython包装文件 wrapper.pyx：

1 2 3 4 5 6

# wrapper.pyx cdef extern from "math_utils.h":     double add(double a, double b) def py_add(double x, double y):     return add(x, y)

cdef extern 声明外部C函数接口，py_add 提供Python可调用的包装层。

• 编译过程由setup.py驱动，生成.so动态库
• 最终Python脚本可直接import py_add

2.4 使用SWIG生成绑定：多语言支持的经典工具

SWIG（Simplified Wrapper and Interface Generator）是一个强大的开源工具，能够将C/C++代码自动封装为多种高级语言接口，包括Python、Java、Ruby和Lua等。

基本工作流程

使用SWIG时，首先定义一个接口文件（.i），声明需要导出的函数与类型：

1 2 3 4 5 6

/* example.i */ %module example %{ extern double multiply(double a, double b); %} extern double multiply(double a, double b);

该接口文件告诉SWIG哪些C++符号需要暴露。接着运行swig -python example.i，生成包装代码example_wrap.c和目标语言模块脚本。

支持的语言与特性对比

语言	线程安全	GC集成
Python	是	自动引用计数
Java	是	JVM GC托管
Ruby	部分	Ruby GC

SWIG通过解析C/C++头文件并生成适配层，实现跨语言调用，极大简化了原生扩展开发。

2.5 原生Python/C API扩展：最底层但最灵活的方式

使用原生Python/C API是实现高性能扩展的终极手段，直接操作解释器对象结构，具备最高执行效率与最大控制粒度。