Integración de C++ con otros lenguajes: Python, Java y C#

Entrenador de Python en Línea para Principiantes

Aprende Python fácilmente sin sobrecargarte de teoría. Resuelve tareas prácticas con verificación automática, recibe pistas y escribe código directamente en el navegador, sin instalar nada.

Start Course

Por qué C++ no muere, sino que se convierte en un puente entre mundos

\n\n

¿Alguna vez se ha preguntado por qué Google, Microsoft y Netflix siguen escribiendo componentes críticos en C++ aunque tienen Python, Java y C#? La respuesta es simple: la integración de C++ con otros lenguajes permite tomar lo mejor de cada mundo. C++ proporciona una velocidad ultrarrápida y acceso directo al hardware, mientras que Python o Java ofrecen velocidad de desarrollo y comodidad.

\n\n

En este artículo, analizaremos tres escenarios reales: cómo integrar C++ en Python (pybind11), cómo combinarlo con Java (JNI) y cómo usarlo desde C# (PInvoke). Obtendrá no solo teoría, sino ejemplos funcionales que puede ejecutar de inmediato.

\n\n

Integración de C++ con Python: la magia de pybind11

\n\n

Python es el rey de la creación de prototipos, pero cuando se trata de procesamiento de datos de alta carga o trabajo con sensores en tiempo real, Python comienza a "ralentizarse". Aquí es donde C++ para Python viene al rescate a través de la biblioteca pybind11.

\n\n

Instalación y primer ejemplo

\n\n

Instalemos pybind11 a través de pip y creemos un módulo simple:

\n\n

// math_ops.cpp\n#include <pybind11/pybind11.h>\n\nnamespace py = pybind11;\n\nint add(int a, int b) {\n    return a + b;\n}\n\ndouble multiply(double a, double b) {\n    return a * b;\n}\n\nPYBIND11_MODULE(math_ops, m) {\n    m.doc() = "Operaciones matemáticas rápidas en C++";\n    m.def("add", &add, "Suma de dos números");\n    m.def("multiply", &multiply, "Multiplicación de dos números");\n}\n

\n\n

Compilamos el módulo y lo probamos desde Python:

\n\n

# setup.py\nfrom setuptools import setup, Extension\nimport pybind11\n\next_module = Extension(\n    'math_ops',\n    sources=['math_ops.cpp'],\n    include_dirs=[pybind11.get_include()],\n    language='c++'\n)\n\nsetup(name='math_ops', ext_modules=[ext_module])\n

\n\n

# En Python\nimport math_ops\nprint(math_ops.add(5, 3))       # 8\nprint(math_ops.multiply(4.5, 2)) # 9.0\n

\n\n

Este ejemplo muestra lo fácil que es hacer una llamada a C++ desde Python. Ahora imagine que en C++ se implementa un algoritmo complejo de compresión de video o procesamiento de imágenes: la aceleración será de 10 a 50 veces.

\n\n

Trabajo con clases y listas

\n\n

Pybind11 incluso admite contenedores STL y clases personalizadas:

\n\n

// processor.cpp\n#include <pybind11/pybind11.h>\n#include <pybind11/stl.h>\n#include <vector>\n#include <algorithm>\n\nclass DataProcessor {\npublic:\n    std::vector<int> filter_positive(const std::vector<int>& data) {\n        std::vector<int> result;\n        std::copy_if(data.begin(), data.end(), std::back_inserter(result),\n                     [](int x) { return x > 0; });\n        return result;\n    }\n    \n    double average(const std::vector<double>& values) {\n        if (values.empty()) return 0.0;\n        double sum = 0.0;\n        for (auto v : values) sum += v;\n        return sum / values.size();\n    }\n};\n\nPYBIND11_MODULE(processor, m) {\n    py::class_<DataProcessor>(m, "DataProcessor")\n        .def(py::init<>())\n        .def("filter_positive", &DataProcessor::filter_positive)\n        .def("average", &DataProcessor::average);\n}\n

\n\n

Ahora en Python se puede trabajar con la clase como si fuera nativa:

\n\n

from processor import DataProcessor\ndp = DataProcessor()\nprint(dp.filter_positive([-1, 5, -3, 10]))  # [5, 10]\nprint(dp.average([1.0, 2.0, 3.0]))          # 2.0\n

\n\n