<think>我们已知用户想了解C++调用Python函数的方法，并且之前已经提供了一些引用（关于Python调用C++的方法，但用户现在需要的是C++调用Python）。根据引用[2]和引用[3]的内容，我们可以总结出C++调用Python函数的几种常见方法，并参考引用[2]中的示例代码（该示例展示了C++调用Python函数的基本步骤）。 我们将介绍以下方法： 1. 使用Python/C API（如引用[2]所示） 2. 使用Boost.Python（如引用[3]中提到链接boost_python库） 3. 使用Pybind11（现代替代方案，但引用中未直接提及，但作为常见方法补充） 注意：引用[2]中的代码示例已经展示了使用Python/C API调用Python函数的过程，我们将以此为基础进行扩展。 步骤： 1. 初始化Python解释器 2. 设置Python路径（可选，如果需要指定特定的Python环境） 3. 导入模块和函数 4. 构建参数（如果有） 5. 调用函数 6. 处理返回值 7. 错误处理 8. 清理资源 我们将分别用三种方法展示如何调用一个Python函数（假设有一个Python函数`add(a, b)`，它返回两个数的和）。 注意：在C++中调用Python函数需要确保Python环境正确配置，包括头文件和库文件的路径。 方法1：使用Python/C API（原生方法） 方法2：使用Boost.Python（封装了Python/C API，更简洁） 方法3：使用Pybind11（类似Boost.Python，但更轻量） 下面详细说明： </think> ### C++调用Python函数的三种核心方法 下面基于引用[1][2][3]总结三种高效调用方式，涵盖配置、调用流程和异常处理： --- ### 方法1：原生Python/C API（引用[2]示例扩展） ```cpp #include <Python.h> // 必须包含的头文件 int main() { // === 环境配置 === Py_SetPythonHome(L"D:/Anaconda3/envs/myenv"); // 设置Python环境路径 Py_Initialize(); // 初始化解释器 // === 导入模块 === FILE* pyFile = fopen("my_module.py", "r"); PyRun_SimpleFile(pyFile, "my_module.py"); // 执行Python文件 fclose(pyFile); // === 获取函数 === PyObject* pModule = PyImport_ImportModule("__main__"); PyObject* pFunc = PyObject_GetAttrString(pModule, "py_add"); // 获取py_add函数 // === 构建参数 === PyObject* pArgs = PyTuple_New(2); // 创建2个参数的元组 PyTuple_SetItem(pArgs, 0, PyLong_FromLong(3)); // 参数1: 整数3 PyTuple_SetItem(pArgs, 1, PyLong_FromLong(5)); // 参数2: 整数5 // === 调用函数 === PyObject* pResult = PyObject_CallObject(pFunc, pArgs); // === 处理结果 === if (pResult) { long sum = PyLong_AsLong(pResult); // 转换C++类型 std::cout << "Sum: " << sum; // 输出: Sum: 8 Py_DECREF(pResult); } // === 资源清理 === Py_XDECREF(pArgs); Py_XDECREF(pFunc); Py_XDECREF(pModule); Py_Finalize(); // 必须清理解释器 } ``` **关键配置**（引用[3]）： ```bash g++ main.cpp -o app -I/usr/include/python3.8 -lpython3.8 ``` **优势**：官方原生支持 **劣势**：需手动管理引用计数（`Py_DECREF`） --- ### 方法2：Boost.Python（引用[1][3]） ```cpp #include <boost/python.hpp> namespace py = boost::python; int main() { Py_Initialize(); // 仍需初始化 try { // === 导入模块 === py::object module = py::import("my_module"); // === 直接调用函数 === py::object result = module.attr("py_add")(7, 8); // 调用py_add(7,8) // === 自动类型转换 === int sum = py::extract<int>(result); // 自动提取整型 std::cout << "Boost result: " << sum; // 输出: 15 } catch (py::error_already_set &e) { PyErr_Print(); // 自动捕获Python异常 } Py_Finalize(); } ``` **编译命令**（引用[3]扩展）： ```bash g++ -shared -fPIC boost_example.cpp -o libmod.so \ -I/usr/include/python3.8 \ -lboost_python38 -lpython3.8 ``` **优势**：自动内存管理、异常处理 **劣势**：需安装Boost库 --- ### 方法3：Pybind11（现代轻量方案） ```cpp #include <pybind11/embed.h> namespace py = pybind11; int main() { py::scoped_interpreter guard{}; // 自动初始化和清理 // === 动态执行代码 === py::exec(R"( def py_multiply(a, b): return a * b )"); // === 调用函数 === py::module_ main = py::module_::import("__main__"); py::object func = main.attr("py_multiply"); float product = func(2.5, 4).cast<float>(); // 类型安全转换 std::cout << "Product: " << product; // 输出: 10.0 } ``` **编译要求**： ```bash g++ -O3 -Wall -shared -std=c++11 -fPIC pybind_example.cpp \ -I/path/to/pybind11/include \ -I/usr/include/python3.8 -lpython3.8 ``` **优势**：零依赖、类型安全、STL兼容性好 --- ### 关键问题解决方案 #### 1. 类型映射（引用[1]） | **Python类型** | **C++转换方法** | **反向转换** | |----------------|------------------------------|--------------------------| | `int` | `PyLong_AsLong()` | `PyLong_FromLong()` | | `float` | `PyFloat_AsDouble()` | `PyFloat_FromDouble()` | | `str` | `PyUnicode_AsUTF8()` | `PyUnicode_FromString()` | | `list` | `PyList_GetItem()`迭代 | `PyList_New()`+填充 | | `dict` | `PyDict_GetItemString()` | `PyDict_New()` | #### 2. 异常处理（所有方法通用） ```cpp // 检查Python异常 if (PyErr_Occurred()) { PyErr_Print(); // 打印错误栈 PyErr_Clear(); // 清除错误状态 } // Boost/pybind11专用 try { py::object result = /*...*/; } catch (py::error_already_set &e) { std::cerr << "Python error: " << e.what(); } ``` #### 3. 内存管理黄金规则 1. **创建引用**后必须`Py_DECREF` ```cpp PyObject* pList = PyList_New(3); // 引用计数=1 Py_DECREF(pList); // 释放内存 ``` 2. **借用引用**不需释放 ```cpp PyObject* pItem = PyList_GetItem(pList, 0); // 借用引用 // 无需DECREF! ``` --- ### 方法对比与选型建议 | **方法** | 适用场景 | 性能 | 开发效率 | |----------------|-----------------------------|---------|----------| | Python/C API | 嵌入式系统、无外部依赖环境 | ★★★★☆ | ★★☆☆☆ | | Boost.Python | 大型项目、已使用Boost的代码库 | ★★★☆☆ | ★★★★☆ | | Pybind11 | 现代C++项目、新开发模块 | ★★★★★ | ★★★★★ | > **推荐路径**：新项目优先选用Pybind11，遗留系统改造考虑Boost.Python，极端资源限制场景用Python/C API[^1]。