TIOBE每个月都会新鲜出炉一份流行编程语言排行榜，这里会列出最流行的20种语言。排序说明不了语言的好坏，反应的不过是某个软件开发领域的热门程度。语言的发展不是越来越common，而是越来越专注领域。有的语言专注于简单高效，比如Python，内建的list，dict结构比c/c++易用太多，但同样为了安全、易用，语言也牺牲了部分性能。在有些领域，比如通信，性能很关键，但并不意味这个领域的coder只能苦苦挣扎于c/c++的陷阱中，比如可以使用多种语言混合编程。
我看到的一个很好的Python与c/c++混合编程的应用是NS3（Network Simulator3）一款网络模拟软件，它的内部计算引擎需要用高性能，但在用户建模部分需要灵活易用。NS3的选择是使用C/C++来模拟核心部件和协议，用Python来建模和扩展。
这篇文章介绍Python和c/c++三种混合编程的方法，并对性能加以分析。
混合编程的原理
首先要说一下Python只是一个语言规范，实际上Python有很多实现：CPython是标准Python，是由C编写的，python脚本被编译成CPython字节码，然后由虚拟机解释执行，垃圾回收使用引用计数，我们谈与C/C++混合编程实际指的是基于CPython解释上的。除此之外，还有Jython、IronPython、PyPy、Pyston，Jython是Java编写的，使用JVM的垃圾回收，可以与Java混合编程，IronPython面向.NET平台。
Python与C/C++混合编程的本质是python调用C/C++编译的动态链接库，关键就是把Python中的数据类型转换成c/c++中的数据类型，给编译函数处理，然后返回参数再转换成Python中的数据类型。
Python中使用ctypes moduel，将Python类型转成c/c++类型
首先，编写一段累加数值的c代码：
进群：516107834 即可获取数十套PDF哦！
然后，将上面的代码编译成so库，使用下面的编译指令
>gcc -pthread -fno-strict-aliasing -g -O2 -DNDEBUG -g -fwrapv -O3 -Wall -Wstrict-prototypes -fPIC addbuf.c -o addbuf.o
最后编写python代码，使用ctypes库，将python类型转换成c语言需要的类型，然后传参调用so库函数：
在C/C++程序中使用Python.h，写wrap包装接口
这种方法需要修改c/c++代码，在外部函数中处理入/出参，适配python的参数。写一段c代码将外部入参作为shell命令执行：
处理上所有的入参、出参都作为PyObject对象来处理，然后使用转换函数把Python的数据类型转换成c/c++中的类型，返回参数按相同方式处理。比第一种方法多了初始化函数，这部分是把编译的so库当做Pythonmodule所必需要做的。
Python这样使用：
imoprt spam
spam.system("ls")
使用c/c++编写python扩展可以参见：http://docs.python.org/2.7/extending/extending.html
使用SWIG，来生成独立的wrap文件
这种方式并不能算是一种新方式，实际上是基于第二中方式的一种包装。SWIG是个帮助使用C或者C++编写的软件能与其它各种高级编程语言进行嵌入联接的开发工具。SWIG能应用于各种不同类型的语言包括常用脚本编译语言例如Perl, PHP, Python, Tcl, Ruby, PHP，C#,Java,R等。
操作上，是针对c/c++程序编写独立的接口声明文件（通常很简单），swig会分析c/c++源程序自动分析接口要如何包装。在指定目标语言后，swig会生成额外的包装源码文件。编译so库时，把包装文件一起编译、连接即可。看个c代码例子：
c源码中去掉适配Python的包装，仅定义system函数本身，这比第二种方式简洁很多，并且剔除了c代码与Python的耦合代码，是c代码通用性更好。
然后编写swig接口声明文件spam.i：
这是一段语言无关的模块声明，要创建一个叫spam的模块，对system做一个声明，主要是声明参数作为入参使用。然后执行swig编译程序：
>swig -c++ -python spam.i
swig会生成spam_wrap.cxx和spam.py两个文件。先看spam_wrap.cxx，这个生成的文件很长，但关键的就是对函数的包装：
装函数传入的还是PyObejct对象，内部进行了类型转换，最终调了源码中的system函数。
生成的了另一个spam.py实际上是对so库又用Python包装了一层（实际比较多余）：
这里使用_spam模块，这里实际上是把扩展命名为了_spam。关于swig在python上的应用可以参见：http://www.swig.org/Doc1.3/Python.html
下面就是编译和安装python 模块，Python提供了distutils module，可以很方便的编译安装python的module。像下面这样写一个安装脚本setup.py:
执行 python setup.py build，即可以完成编译，程序会创建一个build目录，下面有编译好的so库。so库放在当前目录下，其实Python就可以通过import来加载模块了。当然也可以用 python setup.py install 把模块安装到语言的扩展库——site-packages目录中。关于build python扩展，可以参考https://docs.python.org/2/extending/building.html#building
混合编程性能分析
混合编程的使用场景中，很重要一个就是性能攸关。那么这小节将通过几个小实验验证下混合编程的性能如何，或者说怎样写程序能发挥好混合编程的性能优势。
我们使用冒泡排序算法来验证性能。
1）实验一 使用冒泡程序验证Python和c/c++程序的性能差距
Python版冒泡程序：
c语言版冒泡排序
作者：919b0c54458f
链接：https://www.jianshu.com/p/55c6597833fb
随时随地看视频
