Intégration du C++ avec d'autres langages : Python, Java et C#

Formateur Python en ligne pour débutants

Apprenez Python facilement sans surcharge théorique. Résolvez des tâches pratiques avec vérification automatique et écrivez du code directement dans le navigateur.

Start Course

Pourquoi le C++ ne meurt pas, mais devient un pont entre les mondes

\n\n

Vous êtes-vous déjà demandé pourquoi Google, Microsoft et Netflix continuent d'écrire des composants critiques en C++, alors qu'ils ont Python, Java et C# ? La réponse est simple : l'intégration du C++ avec d'autres langages permet de prendre le meilleur de chaque monde. Le C++ offre une vitesse fulgurante et un accès direct au matériel, tandis que Python ou Java offrent une rapidité de développement et une facilité d'utilisation.

\n\n

Dans cet article, nous allons décortiquer trois scénarios réels : comment intégrer le C++ dans Python (pybind11), comment le faire fonctionner avec Java (JNI) et comment l'utiliser depuis C# (PInvoke). Vous n'aurez pas seulement de la théorie, mais des exemples fonctionnels que vous pourrez exécuter immédiatement.

\n\n

Intégration du C++ avec Python : la magie de pybind11

\n\n

Python est le roi du prototypage, mais quand il s'agit de traitement de données à haute charge ou de travail avec des capteurs en temps réel, Python commence à « ralentir ». C'est là que le C++ pour Python vient à la rescousse via la bibliothèque pybind11.

\n\n

Installation et premier exemple

\n\n

Installons pybind11 via pip et créons un module 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() = "Opérations mathématiques rapides en C++";\n    m.def("add", &add, "Addition de deux nombres");\n    m.def("multiply", &multiply, "Multiplication de deux nombres");\n}\n

\n\n

Compilons le module et testons-le depuis 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

Cet exemple montre à quel point il est facile de faire un appel C++ depuis Python. Imaginez maintenant qu'un algorithme complexe de compression vidéo ou de traitement d'images soit implémenté en C++ — l'accélération sera de 10 à 50 fois.

\n\n

Travail avec les classes et les listes

\n\n

Pybind11 supporte même les conteneurs STL et les classes personnalisées :

\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

Maintenant, en Python, on peut travailler avec la classe comme si elle était native :

\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