前段时间写了两篇文章介绍如何提高Python的运行效率，一篇是从python语言本身的角度去介绍的，另一篇是从解释器角度(利用PyPy)，有兴趣的可以找着看看。从另外一个角度来介绍如何提高python运行效率，那就是利用c/c++来扩展python提高性能。我们知道python官方网站上下载的python解释器源码是用c语言编写的，所以，也可以利用c/c++来扩展它，以获得较优的执行性能。Python提供了API接口，是我们很方便的能进行扩展，所有这些API都包含在Python.h的头文件里，在编写c代码时引入该头文件即可。下面来讲讲我初用c/c++扩展python的经历吧。申明所有系统Ubuntu 16.04 LTS。
（一）Ubuntu下如何编译.c文件
说实话，进行这部分学习时，第一困扰我的问题就是不知道怎么在Ubuntu下编译.c文件，以前在大学的时候，用的是Windows系统，安装了visual studio 2010，代码编写，编译都很方便。没有在Ubuntu下用c语言开发，所以这部分知道还不太了解，好在网上资料非常丰富，很快就能找到相应的资料。其实Ubuntu系统自带c语言编译器，那就是gcc。不信你可以打开终端，输入命名：gcc --version，显示如下信息：
如果没有的话，你也可自己安装,安装命令如下：
sudo apt-get install gcc
建议还要安装一个build-essentiall包，作用是提供编译程序必须软件包的列表信息，也就是说 编译程序有了这个软件包它才知道 头文件在哪 ，才知道库函数在哪，还会下载依赖的软件包 ， 最后才组成一个开发环境。
好了，现在写个简单的.c文件吧。
打开终端，输入命令vim hello.c,当然，你也可以用gedit来编辑代码，只要文件扩展名不搞错了就行。代码如下：
#include<stdio.h>
int main()
{
int i;
for(i=0;i<3;i++)
printf("hello,gcc!\n");
}
然后保存文件并退出。编译成可执行文件，命令如下：
gcc hello.c -o hello
然后输入./hello执行该文件。效果如下图。
这里只是简单的讲了一下linux的gcc的使用方法，关于它更多的用法可以在网上查资料，在此不做过多介绍。
（二）使用C/C++扩展Python
1.先利用Python提供的接口，编写一个汉语一定功能.c文件，比如判断一个数是不是素数。在这里文件名为test.c，使用c语言实现后再使用Python进行包装。代码如下：
#include<Python.h>
static PyObject *pr_isprime(PyObject *self,PyObject *args){
int n,num;
if(!PyArg_ParseTuple(args,"i",&num))
return NULL;
if(num<1){
return Py_BuildValue("i",0);
}
n=num-1;
while(n>1){
if(num%n==0)
return Py_BuildValue("i",0);
n--;
}
return Py_BuildValue("i",1);
}
static PyMethodDef PrMethods[]={
{"isPrime",pr_isprime,METH_VARARGS,"check if an input numbe is prime or not."},
{NULL,NULL,0,NULL}
};
void initpr(void){
(void) Py_InitModule("pr",PrMethods);
}
PyObject是Python对象机制的基础，所有得对象都拥有一些相同的内容，而这些内容在PyObject中定义。
上面的代码包括三部分：
一是导出函数，C模块对外暴露的接口函数pr_isprime，带有self和args两个参数，其中参数args中包含了python解释器要传递给c函数的所有参数，通常使用PyArg_ParseTuple()来获得这些参数。
二是初始化函数，以便python解释器能够对模块进行初始化，初始化时要以init开头，如initx。
第三是方法列表，提供给外部的python程序使用的一个C模块函数名称映射表PrMethods。它是一个PyMethodDef结构体，其中成员依次表示方法名、导出函数、参数传递方式和方法描述。
参数传递方式一般设置为METH_VARARGS，如果想传递关键字参数，你可以让它与MRTH_KEYWORDS进行或运算；如果不想接受任何参数，可以用METH_NOARGS，该结构体必须以{NULL,NULL,0,NULL}所表示的一条空记录结尾。
至于为什么这样做，可能与Python.h里面的函数有关，该部分我还未仔细研究，所以这篇文章也叫题目用了“初用”，如果有以后弄清楚了，我会“再用”，与大家分享学习经验。
2.编写setup.py脚本
代码如下：
rom distutils.core import setup,Extension
module = Extension('pr',sources=['test.c'])
setup(name='Pr test',version = '1.0',ext_modules=[module])
distutils包是可以用来在Python环境中构建和安装额外的模块。新的模块可以是纯Python的，也可以是用C/C++写的扩展模块，或者可以是Python包，包中包含了由C和Python编写的模块。在此不做过多介绍，有兴趣可以在网上找资料了解下。
3.使用python setup.py build进行编译，系统会自动在当前目录生成一个build子目录，里面包含一个.so文件、.o文件。看看我的操作结果吧
执行python setup.py build命令后，系统确实在当前目录生成了一个build子目录，并且有一个.so文件、.o文件。
4.将生成的.so文件复制到/usr/local/lib/python2.7/dist-packages下，或者将.so文件所在目录路径添加到sys.path中，然后就可以使用该C扩展模块了。如下图：
（三）简单测试下性能
代码如下：
#coding=utf-8 import pr import datetime def is_prime(n): if n <= 1:# return False else: a = n - 1 while(a > 1): if n % a == 0: return True a = a - 1 return False t1 = datetime.datetime.now() is_prime(8888888) t2 = datetime.datetime.now() pr.isPrime(8888888) t3 = datetime.datetime.now() print t3 - t2,t2 - t1
其中is_prime()是用python写的判断一个正数是不是素数。它的循环算法与pr模块里面的isPrime()是一样的，但是效率却有很大差异，看看下图运行结果。
很显然用c扩展的那个包里的函数计算速度快而且是块近20倍，数值越大，速度上的差距越大，有兴趣的话，可以动手试下。当然这只是一个定性分析。