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

Python调用C函数的常见方法

Python与C的交互可以通过多种方式实现，每种方法在性能、易用性和适用场景上有所不同。以下是五种主流方法的对比分析。

---

ctypes

ctypes是Python标准库的一部分，无需额外编译，直接调用动态链接库（.dll/.so）。适用于简单场景，但性能较低。

from ctypes import cdll lib = cdll.LoadLibrary('example.so') result = lib.add(1, 2) # 调用C函数add

优点：无需修改C代码，跨平台支持较好。
缺点：类型转换开销大，性能较差。

---

CFFI

CFFI（C Foreign Function Interface）分为API模式和ABI模式，前者需编译，后者类似ctypes但更灵活。

from cffi import FFI ffi = FFI() ffi.cdef("int add(int a, int b);") lib = ffi.dlopen('example.so') result = lib.add(1, 2)

优点：支持复杂类型，API模式性能接近C扩展。
缺点：学习曲线较陡，ABI模式性能与ctypes相当。

---

Cython

Cython通过编写.pyx文件生成C扩展模块，直接编译为二进制代码，性能最优。

# example.pyx cdef extern from "example.h": int add(int a, int b) def py_add(a, b): return add(a, b)

优点：接近原生C的性能，支持Python和C混合编程。
缺点：需额外编译步骤，代码需用Cython语法改写。

---

SWIG

SWIG（Simplified Wrapper and Interface Generator）自动生成Python与C的绑定代码，适合大型项目。

# example.i 接口文件 %module example %{ #include "example.h" %} %include "example.h"

优点：支持多语言绑定，自动化程度高。
缺点：生成代码冗余，调试复杂。

---

Python C API

直接使用Python C API编写扩展模块，性能最高但开发成本大。

// example.c #include <Python.h> static PyObject* py_add(PyObject* self, PyObject* args) { int a, b; if (!PyArg_ParseTuple(args, "ii", &a, &b)) return NULL; return Py_BuildValue("i", add(a, b)); }

优点：极致性能，完全控制内存和类型。
缺点：代码复杂，需手动处理引用计数。

---

性能对比与选型建议

1. 性能排序：Cython ≈ Python C API > CFFI API > SWIG > ctypes/CFFI ABI。
2. 推荐场景：
   • 快速原型：ctypes或CFFI ABI。
   • 高性能计算：Cython或Python C API。
   • 跨语言项目：SWIG。

Cython在效率与开发成本间取得了最佳平衡，尤其适合科学计算领域。