众所周知，作为解释型语言的 Python 可不是什么超级快速的语言，但许多复杂的库函数（比如 NumPy 库）却能执行得相当快速。这主要是因为这些库的核心代码往往是用 C 或者 C++ 写好，并经过了编译，比解释执行的 Python 代码有更快的执行速度。
在这篇短文中，我们将详细聊一聊如何用 C 或者 C++ 写一个 Python 模组（或软件包），内容主要参考 Python 官方文档。作为范例，我也将用 C 写一个简单的 Python 模组，完成一个简单的数学计算： n!=n×(n-1)×(n-2)… 。为了实现上面的目标，我们需要两个文件：一个 Python 代码 setup.py，以及我们实际编写的 C 语言代码 cmath.c。
总的来说，我们将用 setup.py 把 C 语言写的代码 cmath.c 构建成一个 Python 库（这其中包括编译代码、查找 Python C 库、连接等操作）。
那么，让我们开始吧！
原理
为了让我们的程序/模组能在 Python 代码中被调用执行，模组需要和 Python 解释器 CPython 进行必要的通讯。因此，我们需要 Python.h 头文件里面的若干对象，并用它们构建出合适的结构体。
基本上，我们要做的是把实际的 C 语言方法包装起来，以便能够被 Python 解释器所调用，这样我们的 Python 代码才能够像使用普通的 Python 函数一样，调用这个方法。
编写算法并包装
首先，我们要在 cmath.c 里引入头文件：
#include Python.h
在 Python 头文件里，我们需要用来和 Python 解释器对接的对象（以及函数），都以 Py 开头。在这里，能代表所有 python 对象的 C 对象（基本上就是一个opaque——“不透明”对象）叫做 PyObject。
不过，在实际使用这些对象之前，我们先把求阶乘的算法写出来（注意，0的阶乘是1）：
int fastfactorial(int n){
if(n<=1)
return 1;
else
return n * fastfactorial(n-1);
}
接着，我们给这个函数进行一下包装。这个包裹函数接收一个 PyObject 类型的指针（指向今后从 Python 代码传入的参数）作为参数，再返回一个 PyObject 类型的指针（指向上面函数的返回值）给外部。
为此，我们用以下代码来实现这个包裹函数：
static PyObject* factorial(PyObject* self, PyObject* args){
int n;
if (!PyArg_ParseTuple(args,"i",&n))
return NULL;
int result = fastfactorial(n);
return Py_BuildValue("i",result);
}
这个函数始终需要一个指向模组对象本身的 self 指针，以及一个指向从 Python 代码传入参数的 args 指针（二者都是 PyObject 类型的对象）。我们用 PyArg_ParseTuple 方法来处理这些参数，并且声明我们需要的是整数类型（第二个参数 "i")，最后将处理结果赋值到变量 n 中。
接着自然是调用 fastfactorial(n) 来计算阶乘，并用 Python 头文件里的 Py_BuildValue 方法把返回值塞回 PyObject* 类型里。最后，我们的包裹函数将指向结果的指针对象返回给外部。
组装模组结构
现在，我们已经把实际的阶乘函数封装完毕，接下来需要构造一个 PyModuleDef 结构体的实例（这个对象也是由 Python.h 所定义的。这个结构体定义了模组的结构，以便 Python 解释器载入调用。而模组的另一个组成部分是定义它的所有方法，这由另一个结构体 PyMethodDef 实现——它其实就相当于一个数组，里面列出了模组中所有的方法和对应的说明。
在当前例子中，我们定义了如下的 PyMethodDef 对象：
static PyMethodDef mainMethods[] = {
{"factorial",factorial,METH_VARARGS,"Calculate the factorial of n"},
{NULL,NULL,0,NULL}
};
这个对象里目前共有 2 个元素——我们在最末尾加入了一个由 NULL 组成的结构体，做为结尾。第 0 个对象是我们定义的方法，它的结构是：先是方法名 factorial，其次是实际调用的函数对象，注意这里调用的是上一节定义的包裹函数；接下来指定了这个方法是从 METH_VARARGS 这个常量中获得它的参数；最后是一个说明字符串。
于是，我们已经定义了这个 Python 模组中的所有方法（本例中就一个），我们可以创建一个 PyModuleDef 的实例，作为代表整个 Python 模组的对象。
代码如下：
static PyModuleDef cmath = {
PyModuleDef_HEAD_INIT,
"cmath","Factorial Calculation",
-1,
mainMethods
};
在上面的代码中，我们首先定义了模组名 cmath 以及简短的文档字符串，然后再把所有的方法组成的数组 mainMethods 放进去。
最后一步，我们要添加一个函数，并让 python 代码导入这个模组的时候执行这个函数。
代码如下：
PyMODINIT_FUNC PyInit_cmath(void){
return PyModule_Create(&cmath);
}
函数的返回类型是 PyMODINIT_FUNC，这表明函数实际上返回的是一个 PyObject 类型的指针。这个指针指向由 PyModule_Create 生成的 Python 模组本身（这个模组对象本身也是一个 PyObject对象）。当一个模组被 Python 代码导入时，这个方法就会被调用，并返回一个指向整个模组对象，包含了所有方法的指针。
小编给大家推荐一个学习氛围超好的地方，C/C++交流企鹅裙：【870+963+251】适合在校大学生，小白，想转行，想通过这个找工作的加入。裙里有大量学习资料，有大神解答交流问题，每晚都有免费的直播课程
编译打包模组
现在我们的 C 代码文件已经准备好了，所有的方法都已经包装到位，Python 解释器导入、执行所需的结构体也已经定义完善。于是，我们可以开始构建最终的二进制文件了。在这个过程中，我们的 C 代码需要被编译、并和正确的库文件连接（本例中，我们用到的主要是 Python 头文件中定义的那些方法和对象）。为了简化构建过程，我们可以用到 distutils.core 模组里的 setup和 Extension 方法。
简单地说，这两个方法基本上能搞定整个构建过程。我们只要把 setup.py 和 cmath.c 放在同一个文件夹里，然后引入这两个方法即可。
这是完整的 setup.py 文件内容：
from distutils.core import setup, Extension
factorial_module = Extension('cmath',sources = ['cmath.c'])
setup(name = 'MathExtension',
version='1.0',
description = 'This is a math package',
ext_modules = [factorial_module]
)
在上面的代码中，我们首先声明了 factorial_module 变量，作为一个 C 语言扩展对象，源代码 source 来自我们的 C 代码文件。这一行基本就是告诉 setup 方法要编译的源文件是哪个。
接下来，我们调用 setup() 函数，这个函数接收的参数就是将来要构建的包名（ MathExtension）、版本号（1.0）、简短的描述文档，以及要包括在内的 C 语言扩展/模组对象（ factorial_module )。这样，setup.py 就写好了，是不是很简单？
最后，我们运行一下 setup.py。运行时可以选择两种不同的模式。如果是 build，程序就只编译这个模块（一个 .so 格式的库文件）并把编译结果放在当前文件夹里的 build 子文件夹内；如果是 install，则会将编译结果放在 python 的环境变量 PATH 指向的文件夹里，以便其他程序调用。
今天的例子里，我们选择 build 选项。在终端/命令提示符里输入以下命令：
python setup.py build
如果一切正常，你就会在当前文件夹里看到一个 build 文件夹，并在里面看到编译出来的 .so 文件。这个库文件可以被 Python 脚本调用，并执行我们用 C 编写的阶乘函数。
测试结果
让我们试一下吧。我简单地写了一个 test.py，并把它放在和 .so 文件同一个文件夹下，方便调用（当然，你如果用了 install 选项，那就无需这么做，在任意目录都能调用这个包）。
test.py 文件的内容如下：
from cmath import factorial
print(factorial(6))
运行一下，得到结果 720。搞定！我们用 C 语言写的这个小模组成功地导入并执行啦！
恭喜你已经看完了今天的小教程，你打算给自己的 python 增加哪些威力强大的模块呢？欢迎留言吐槽！
