### 如何在 Ubuntu 系统中实现 C++ 和 Python 的相互调用 #### 一、C++ 调用 Python 程序 为了使 C++ 能够调用 Python 程序，在 Ubuntu 下可以通过嵌入 Python 解释器的方式实现。以下是具体的操作流程： 1. **安装必要的依赖库** 需要确保系统已安装 `libpython` 库以及对应的头文件。可以使用以下命令进行安装： ```bash sudo apt-get install python3-dev ``` 2. **编写 C++ 源代码** 使用 Python 提供的 C API 来加载并运行 Python 文件中的函数。 示例代码如下： ```cpp #include <Python.h> #include <iostream> int main() { Py_Initialize(); // 初始化 Python 解释器 PyObject* pModule = nullptr; PyObject* pFunc = nullptr; try { const char* moduleName = "example"; // 替换为实际的模块名称 const char* funcName = "add"; // 替换为实际的函数名称 pModule = PyImport_ImportModule(moduleName); if (!pModule) throw std::runtime_error("Failed to load module"); pFunc = PyObject_GetAttrString(pModule, funcName); if (!pFunc || !PyCallable_Check(pFunc)) throw std::runtime_error("Cannot find function"); PyObject* args = PyTuple_Pack(2, PyLong_FromLong(5), PyLong_FromLong(3)); if (!args) throw std::runtime_error("Error creating arguments tuple"); PyObject* result = PyObject_CallObject(pFunc, args); // 调用 Python 函数 if (result && PyLong_Check(result)) { long sum = PyLong_AsLong(result); std::cout << "Result from Python: " << sum << std::endl; // 输出结果 } else { PyErr_Print(); } Py_XDECREF(args); Py_XDECREF(result); } catch (const std::exception& e) { std::cerr << "Exception occurred: " << e.what() << std::endl; } Py_XDECREF(pFunc); Py_XDECREF(pModule); Py_Finalize(); // 关闭 Python 解释器 return 0; } ``` 上述代码展示了如何初始化 Python 解释器，导入指定的模块和函数，并传递参数给该函数[^1]。 --- #### 二、Python 调用 C++ 程序 当需要从 Python 中调用 C++ 编写的逻辑时，通常有以下两种方式：直接调用编译后的共享库或通过封装工具（如 SWIG 或 Cython）简化接口设计。 ##### 方法 1：创建动态链接库 (.so 文件) 1. **编写 C++ 源码** 定义一个简单的加法函数作为示例。 ```cpp // add.cpp extern "C" int add(int a, int b) { // extern "C" 是为了让符号保持 C 风格命名 return a + b; } ``` 2. **生成 .so 文件** 将上面的代码编译成共享对象文件： ```bash g++ -shared -fPIC -o libadd.so add.cpp ``` 3. **在 Python 中加载并调用** 利用 `ctypes` 加载 `.so` 文件并与之交互。 ```python import ctypes # 加载共享库 lib = ctypes.CDLL('./libadd.so') # 设置输入参数类型 lib.add.argtypes = (ctypes.c_int, ctypes.c_int) # 设置返回值类型 lib.add.restype = ctypes.c_int # 调用 C++ 函数 result = lib.add(5, 3) print(f"Result from C++: {result}") ``` 此方法适用于小型项目或仅需暴露少量功能的情况[^2]。 ##### 方法 2：借助 Cython 进行更高级别的集成 如果希望获得更高的性能优化或者更加灵活的功能扩展，则可以选择 Cython 工具链来构建绑定层。 假设有一个名为 `hello.pyx` 的 Cython 文件： ```cython def say_hello_to(name): print(f"Hello {name}!") ``` 按照官方文档指导完成编译过程之后即可无缝衔接至标准解释型脚本环境中[^3]。 --- #### 三、特殊场景下的 ROS 支持 对于涉及机器人操作系统（ROS）的应用场合而言，除了常规手段之外还需要额外注意一些细节配置事项比如设置合适的 CMakeLists.txt 内容以便正确引入外部资源等等[^4]。 --- ### 总结 无论是哪种方向上的跨语言协作都可以找到相对应的技术解决方案；不过需要注意的是每种方案都有其适用范围及局限性因此应当依据实际情况做出合理选择。