将 Python 程序转换为 C/C++ 代码？[关闭]-IT科技

摘要：问题描述：可以将 Python 程序转换为 C/C++ 吗？我需要实现几个算法，但我不确定性能差距是否大到足以弥补我在用 C/C++（我不擅长）实现时所经历的所有痛苦。我考虑编写一个简单的算法，并将其与转换后的解决方案进行基准测试。如果仅此一项就比 Python 版本快得多，那么我别无选择，只能用 C/C++...

问题描述：

可以将 Python 程序转换为 C/C++ 吗？

我需要实现几个算法，但我不确定性能差距是否大到足以弥补我在用 C/C++（我不擅长）实现时所经历的所有痛苦。我考虑编写一个简单的算法，并将其与转换后的解决方案进行基准测试。如果仅此一项就比 Python 版本快得多，那么我别无选择，只能用 C/C++ 来实现。

解决方案 1：

如果 C 版本需要的时间减少了 x 小时，那么我会将这段时间花在让算法运行更长时间/再次运行上

“投资”这个词在这里不太合适。

用 Python 构建一个工作实现。你将在完成 C 版本之前完成它。
使用 Python 分析器测量性能。修复您发现的任何问题。根据需要更改数据结构和算法以真正正确地完成此操作。您将在完成 C 中的第一个版本之前完成这项工作。
如果还是太慢，就手动将精心设计和构建的 Python 翻译成 C。

由于事后看来，使用现有 Python（使用现有单元测试和现有分析数据）执行第二个版本仍然比从头开始执行 C 代码更快。

这句话很重要。

汤普森针对首次制造望远镜的规则：
先制造一面四英寸的镜子，然后再制造一面六英寸的镜子，比制造一面六英寸的镜子要快。
比尔·麦基南
王研究所

解决方案 2：

是的。看看Cython。它的作用就是：将 Python 转换为 C 以提高速度。

解决方案 3：

Shed Skin是“一个（受限的）Python 到 C++ 编译器”。

来自文档：

Shed Skin 是一款实验性编译器，可以将纯 Python（2.4-2.6）程序（但隐式静态类型）转换为优化的 C++。它可以生成独立程序或扩展模块，这些模块可以导入到更大的 Python 程序中使用。

除了类型限制之外，程序无法自由使用 Python 标准库（尽管目前支持大约 25 个常用模块，例如random和re）。此外，并非所有 Python 功能（例如嵌套函数和可变数量的参数）都受支持。

对于一组75 个非平凡程序（总共超过 25,000 行（sloccount）），测量表明，与 CPython 相比，速度通常提高 2-200 倍。

解决方案 4：

刚刚在黑客新闻中看到这个新工具。

在他们的页面上 - “Nuitka 是 Python 解释器的一个很好的替代品，可以编译 CPython 2.6、2.7、3.2 和 3.3 提供的每个结构。它将 Python 转换为 C++ 程序，然后使用“libpython”以与 CPython 相同的方式执行，而且非常兼容。”

解决方案 5：

我知道这是一个较老的话题但我想提供我认为有用的信息。

我个人使用 PyPy，使用 pip 安装起来非常简单。我交替使用 Python/PyPy 解释器，你根本不需要更改代码，我发现它比标准 Python 解释器（Python 2x 或 3x）快大约 40 倍。我使用 pyCharm 社区版来管理我的代码，我很喜欢它。

我喜欢用 Python 编写代码，因为我认为这样可以让你更专注于任务而不是语言，这对我来说是一个巨大的优势。如果你需要更快的速度，你总是可以编译为适用于 Windows、Linux 或 Mac 的二进制文件（不是直接编译，但可以使用其他工具）。根据我的经验，编译时我比 PyPy 的速度快 3.5 倍，也就是说比 Python 快 140 倍。PyPy 适用于 Python 3x 和 2x 代码，同样，如果你使用 PyCharm 之类的 IDE，你可以非常轻松地在 PyPy、Cython 和 Python 之间切换（不过需要一点初始学习和设置）。

有些人可能会在这一点上与我争论，但我发现 PyPy 比 Cython 更快。但它们都是很好的选择。

编辑：我想再简单说一下编译：编译时，生成的二进制文件比 Python 脚本大得多，因为它将所有依赖项都构建到其中，等等。但这样一来，您将获得一些明显的好处：速度！现在应用程序可以在任何机器上运行（取决于您为哪个操作系统编译，如果不是全部。哈哈），无需 Python 或库，它还会混淆您的代码，并且从技术上来说已准备好“投入生产”（在一定程度上）。一些编译器还会生成 C 代码，我还没有真正看过或看到它是否有用或只是胡言乱语。祝你好运。

希望有所帮助。

解决方案 6：

除了Shed Skin之外，转换为 C++ 的另一种选择是Pythran。

引用Micha Gorelick 和 Ian Ozsvald 所著的《高性能 Python》：

Pythran 是 Python 子集的 Python 到 C++ 编译器，包含部分numpy支持。它的作用有点像 Numba 和 Cython - 您注释函数的参数，然后它接管进一步的类型注释和代码专门化。它利用了矢量化可能性和基于 OpenMP 的并行化可能性。它仅使用 Python 2.7 运行。
Pythran 的一个非常有趣的功能是，它会尝试自动发现并行化机会（例如，如果您使用map），并将其转换为并行代码，而无需您付出额外努力。您还可以使用pragma omp > 指令指定并行部分；在这方面，它感觉非常类似于 Cython 的 OpenMP 支持。
在幕后，Pythran 将采用普通的 Python 和 numpy 代码，并尝试将它们编译成非常快的 C++——甚至比 Cython 的结果还要快。
您应该注意到这个项目还很年轻，您可能会遇到错误；您还应该注意到开发团队非常友好，并且倾向于在几个小时内修复错误。

解决方案 7：

http://code.google.com/p/py2c/看起来是可行的 - 他们还在网站上提到：Cython、Shedskin 和 RPython，并确认他们正在将 Python 代码转换为纯 C/C++，这比充斥着 Python API 调用的 C/C++ 快得多。注意：我还没有尝试过，但我打算尝试一下。