【C++教程】C++联合编程实战（完结）

这门课的主题很明确：把 C++ 和 Python 放在同一个进程里协同工作。它不是讲两种语言各自的语法，而是解决一个具体工程问题——性能敏感的算子、已有 C/C++ 库、需要嵌入脚本能力的宿主程序，怎么和 Python 侧的调用方对接。资料包里的内容集中在扩展库的构建、模块与函数导出、类扩展，以及 Python 虚拟机定制与 C++ 调用 Python 这几块，覆盖了双向调用的两条路径。

技术栈与前提假设

默认的编译环境是 CPython 的 C API 路线，也就是常说的「手写扩展」。这条路不依赖 pybind11、SWIG 之类的绑定生成器，代价是代码量大、引用计数要自己管，好处是控制粒度最细、对运行时行为的理解最直接。学过 pybind11 的人回头看这部分，往往能明白那些自动生成的包装层到底替你做了什么，比如 GIL 的获取与释放、PyObject 的生命周期、参数解析与返回值转换。

前置要求是能读懂 C++ 的类、模板基础语法和编译链接流程，知道头文件和静态库/动态库的区别。Python 侧只需要会写模块、装过包、了解 import 机制即可，不需要有 CPython 源码阅读经验。

项目结构与可复用模块

资料的组织方式是按能力块划分的：模块与函数导出、类扩展、虚拟机定制三个方向。每一块都对应一个可独立验证的最小工程，而不是一个越来越大的单体项目。

• 模块与函数层：PyModuleDef、方法表、参数解析这一套。这部分代码几乎是模板化的，一旦跑通，后续加函数只是往方法表里追加条目。适合抽成项目里的公共脚手架。
• 类扩展层：把 C++ 类暴露成 Python 类型，涉及 tp_new、tp_init、tp_dealloc、成员访问与方法的注册。这里最容易出问题的是对象生命周期和继承关系，资料里给的写法可以直接对照自己的封装层做改造。
• 虚拟机定制与反向调用：C++ 侧初始化解释器、加载脚本、取函数、传参并接收返回值的完整流程。这一块在需要把 Python 当嵌入式脚本引擎的场景里复用价值最高。

这三层的划分方式是这门资料里比较实用的部分：先让单个函数跑通，再扩展成类，最后把调用方向反过来。按这个顺序推进，调试成本是递增的，但每步都有可运行的中间态。

工程上容易踩的点

联合编程的坑基本不在语法上，而在运行时的边界处。引用计数泄漏在短脚本里看不出来，长驻进程里会缓慢涨内存；GIL 在纯 C++ 线程里没持有就去碰 Python 对象会直接崩；异常跨语言边界传递时，C++ 抛出的异常进不了 Python 的异常体系，Python 抛出的异常也得转成 C++ 能处理的形式。资料里对这些边界有对应的处理写法，建议边看边把每个报错都复现一遍，比读完代码更有用。

另外，编译链接参数往往比源码本身更折腾。扩展模块的命名、Python 头文件路径、导出符号在 Windows 和 Linux 下不一致，这些细节如果只靠看视频很容易漏。资料包里附带的资料文件正好是用来对照编译配置的，建议和源码并排打开。

怎么用这份资料

合适的用法是：先按模块与函数那一章，自己从头写一个能 import 的最小扩展并编译成功；再对照类扩展那一章，把手头一个真实的 C++ 类包成 Python 类型；最后做一次反向调用，写个宿主程序加载脚本并调用其中的函数。三步都跑通，这条链路就算打通了。只看不写的话，引用计数和 GIL 这两块几乎不可能形成手感。

它更适合当参考手册而非线性课程：遇到具体问题时翻到对应章节，把示例改造成自己项目里的形态。对已经写过 Python 扩展但只停留在复制模板阶段的人，这套内容的价值在于把每一行包装代码背后的运行时行为讲清楚。