C++与其他语言的集成：Python、Java和C#

轻松学习Python，无需理论负担。在浏览器中直接解决带自动检查的实践任务，无需安装任何东西。

为什么C++没有消亡，反而成为连接不同世界的桥梁

您是否想过，为什么Google、Microsoft和Netflix仍然使用C++编写关键组件，尽管他们也有Python、Java和C#？答案很简单：C++与其他语言的集成让我们能够从每个世界中汲取精华。C++提供闪电般的速度和直接访问硬件的能力，而Python或Java则提供开发速度和便利性。

在本文中，我们将分析三个真实场景：如何将C++嵌入Python（pybind11），如何使其与Java（JNI）协同工作，以及如何从C#（PInvoke）中使用它。您将获得的不仅仅是理论，而是可以直接运行的实用示例。

C++与Python的集成：pybind11的魔力

Python是原型设计的王者，但当涉及到高负载数据处理或实时传感器操作时，Python开始“卡顿”。这时，通过pybind11库，C++ for Python就派上了用场。

安装与第一个示例

通过pip安装pybind11并创建一个简单的模块：

// math_ops.cpp#include <pybind11/pybind11.h>

namespace py = pybind11;

int add(int a, int b) {    return a + b;}

double multiply(double a, double b) {    return a * b;}

PYBIND11_MODULE(math_ops, m) {    m.doc() = "基于C++的快速数学运算";    m.def("add", &add, "两个数相加");    m.def("multiply", &multiply, "两个数相乘");}

编译模块并从Python测试：

# setup.pyfrom setuptools import setup, Extensionimport pybind11

ext_module = Extension(    'math_ops',    sources=['math_ops.cpp'],    include_dirs=[pybind11.get_include()],    language='c++')

setup(name='math_ops', ext_modules=[ext_module])

# 在Python中import math_opsprint(math_ops.add(5, 3))       # 8print(math_ops.multiply(4.5, 2)) # 9.0

这个示例展示了从Python调用C++是多么容易。现在想象一下，如果C++中实现了复杂的视频压缩或图像处理算法——加速效果将达到10到50倍。

处理类和列表

Pybind11甚至支持STL容器和自定义类：

// processor.cpp#include <pybind11/pybind11.h>#include <pybind11/stl.h>#include <vector>#include <algorithm>

class DataProcessor {public:    std::vector<int> filter_positive(const std::vector<int>& data) {        std::vector<int> result;        std::copy_if(data.begin(), data.end(), std::back_inserter(result),                     [](int x) { return x > 0; });        return result;    }        double average(const std::vector<double>& values) {        if (values.empty()) return 0.0;        double sum = 0.0;        for (auto v : values) sum += v;        return sum / values.size();    }};

PYBIND11_MODULE(processor, m) {    py::class_<DataProcessor>(m, "DataProcessor")        .def(py::init<>())        .def("filter_positive", &DataProcessor::filter_positive)        .def("average", &DataProcessor::average);}

现在在Python中可以像使用原生类一样使用这个类：

from processor import DataProcessordp = DataProcessor()print(dp.filter_positive([-1, 5, -3, 10]))  # [5, 10]print(dp.average([1.0, 2.0, 3.0]))          # 2.0