站长资源服务器

前言

最近开始使用 robot framework 测试c++的动态库，robot framework 是跑在 windows 上面，c++动态库是跑在远程linux主机上面。测试办法是让 robot framework 通过 SSHLIbrary 库执行远程机器上面的 python 脚本，python 脚本调用 C++ 动态库。所以现在要解决的是如何让python调用c++动态库。

python调用c++动态库的两种办法

在上网查资料和咨询同事之后，得到两种办法：第一种将C++动态库封装成C接口，让python调用C语言接口。由于python只能调用C接口，无法直接调用C++接口，所以需要一层封装。封装办法：使用extern “C”声明方式，在C++的接口之上，封装一层C语言接口。这种办法经过尝试，发现纯C调用可行，但是python调用不可行，下面会具体讲解原因。第二种办法是使用c++的boost库，生成供python调用的接口，经测试可行，但是过程很曲折，下文会具体讲解遇到的问题和解决办法。

理解extern “C”的本质

在讲述第一种办法之前，先简单介绍一下extern “C”方式的作用。具体讲解可以参考这篇博客，讲的很详细，推荐阅读。举一个例子，在c语言中，有一个函数

int add(int a,int b);

如果使用gcc编译器，那么编译生成的名字就叫 add，但是如果使用 g++编译器，可能编译生成的名字就叫类似于ABaddCD这样的，这里面包含了函数名、入参个数、类型、返回值。所以，如果c++中还定义了一个重载的

float add(float a,float b);

可能编译生成的名字就叫类似于 EFaddGH这样的，同样包含了函数名、入参、返回值等信息，所以c++可以重载。试想一下，如果使用gcc编译器，那么都叫add，就无法区分哪个函数了，所以无法重载。那么，extern “C”的作用，就是告诉g++编译器，将 int add(int a,int b)编译成 add，而不是编译成 ABaddCD，因为 add 才能被 C 语言识别，ABaddCD无法被C语言识别，C语言会认为 add是'undefined symbol'。所以，从这里我们也可以看出，extern “C”只能用于 c++代码，另外，对于存在重载的c++函数，需要写两个不一样的函数分别调用，保证名字不重复。

python使用extern “C”方式调用c++动态库

知道了extern “C”的本质之后，我们就按照这个方法进行封装。我是直接拿着c++动态库的源码，在源码之上封装一层C接口，然后生成动态库。假设将 add 函数封装成 addc，C++动态库叫做A，封装一层C接口之后生成的动态库叫做B。如果写一个test.c的测试代码，使用纯C代码检验动态库B，调用addc函数，结果是可行的，成功的。但是使用python检验动态库B，调用addc函数，发现会报这样的错误：

AttributeError: B.so: undefined symbol: add

就是说依然不识别add函数。使用

nm B.so | grep add 

能够得到

addc
ABaddCD

这样的结果，第一个 addc 肯定是可以被 python 识别的，第二个 ABaddCD，是g++编译生成的名字，无法被python调用。我这只是举一个自己的例子，我自己的C++动态库的源码可能写的比较复杂，无法被python 成功调用，网上还有很多例子，说的是可以被成功调用。所以读者可以自行试验，如果能够成功调用，自然是最好的。因为接下来要介绍的使用 boost.python的方式比较曲折。

python使用 boost.python 调用c++动态库

解决c++动态库依赖的其他的第三方库

由于我的动态库依赖了其他第三方的库文件，比如openssl，uuid，libevent，pthread，所以，不管是使用哪种办法调用c++动态库，都需要python加载这些动态库，具体python代码如下：

from ctypes import *
ctypes.CDLL("libssl.so", mode=ctypes.RTLD_GLOBAL) 
ctypes.CDLL("libcrypto.so", mode=ctypes.RTLD_GLOBAL) 
ctypes.CDLL("libuuid.so", mode=ctypes.RTLD_GLOBAL) 
ctypes.CDLL("/usr/lib64/libevent.so", mode=ctypes.RTLD_GLOBAL) 
#ctypes.CDLL("/usr/lib64/libpthread.so.0", mode=ctypes.RTLD_GLOBAL)

有一些可以默认加载，比如 libpthread.so，我们不需要加载，其他的则需要手动加载，像 libssl.so,libuuid.so，都在 /usr/lib64/目录下，可以不加路径，但是libevent库也是/usr/lib64目录下,且在 /usr/lib/目录下也有，又必须加路径。所以，如果编译不通过，就使用 whereis libevent.so 查看在哪个目录，然后加上绝对路径。有时候加上绝对路径依然不对，比如libpthread.so，加上绝对路径之后还是报错

'OSError: /usr/lib64/libpthread.so: invalid ELF header'

这意味着版本号不对，找到 libpthread.so 链接的版本号，加上 .0 版本号，则不会报错。

c++代码配置boost环境

在c++动态库所在的centos6.6机器上面，我参考： ubuntu下python调用C/C++方法之动态链接库配置和试验boost。参考：利用Boost.Python实现Python C/C++混合编程实现python定义c++的函数重载。配置环境时，我使用的命令是：yum install boost*， yum install python-devel，参考这两篇文章实现boost，基本上都能通过，遇到的问题，里面也有。另外我也遇到其他问题，在Stack Overflow上面找到解决办法，我下面就直接贴一下结果：

新建一个 test.cpp,在这个cpp里面我们要定义 python可用的函数。

在 test.cpp 代码中，包含以下代码：

// 需要包含boost的头文件

#include <boost/python.hpp> 
#include <boost/python/module.hpp> 
#include <boost/python/def.hpp>

//重载函数的实现，在我的 c++代码中，LOGIN 函数、Synchronize_Request函数、Notify函数都有三个重载函数，下面我只用到了其中一个LOGIN函数，一个Synchronize_Request函数，2个Notify函数，比如下面的fun3和fun4，就是两个不同的notify。

//只有存在重载的函数才需要像这样定义 fun1，fun2，fun3，fun4，不存在重载的函数，可以直接写名字

int (*fun1)(const int server_type, const int request_no, std::string& login_result) = &LOGIN;

int (*fun2)(const int server_type, const int request_no,std::string& recv_answer) = &Synchronize_Request; 
int (*fun3)(const int server_type, unsigned int timeout_ms, unsigned int sesscare ) = &Notify;

int (*fun4)(void) = &Notify;

// add 函数重载举例
int (*fun5)(int a,int b) = &add;

 
BOOST_PYTHON_MODULE( libB ) //python模块,libB的名字要与 .so 的名字一致 
{ 
 using namespace boost::python;

 //Initialize 函数没有重载，直接使用即可，不需要像上面一样定义出 fun1 
 def("Initialize",Initialize);
 //Uninitialize 函数没有重载，直接使用即可 
 def("Uninitialize",Uninitialize); 
 def("LOGIN",fun1); 
 def("Synchronize_Request",fun2); 
 def("Notify",fun3); 
 def("Notify2",fun4); 
 def("add",fun5); 
 // python 可以调用以上def定义的函数 
}

Makefile 使用的命令是：

%.o : %.cpp
 g++ -g -lssl -fPIC -levent -lcrypto -luuid -lpthread -lrt -lboost\_filesystem -lboost\_system -lboost_python -lpython -I/usr/include/python2.7 -o $@ -c $<

生成B.so的命令是：

g++ -shared -Wl,-soname,libB.so -o libB.so *.o -lpython -lboost_python

python脚本中则需要引入该动态库

import libB

print libB.add(10,20)

按照上面的命令进行编写、编译，就能规避我踩过的坑。注意 -lpython 的位置，不要放在前面。 如果没有实现重载的定义，而是直接使用 def("LOGIN",LOGIN); 则会报如下的错误 error: no matching function for call to ‘def(const char [15], <unresolved overloaded function type>)' def("LOGIN",LOGIN); 综上是我花了一整天时间研究的成果，如有错漏，还请读者指出，谢谢。

补充：当采用boost.python的方式调用c++动态库的时候，我无法处理引用类型，比如 string& recv_answer 用来接收返回结果，被识别为 string{lvalue},而我的python传入的是 string 类型，无法匹配。所以我就手动将 string& recv_answer的string类型的引用，改写成 char * recv_answer_c 格式，就是改成 C 语言的风格，然后用下面的方式传入 recv_answer_c 这个参数用来接收结果。

#采用 bytes 的方式，为变量预先分配空间，保证不会段错误
temp = bytearray(1000)
recv_answer_c= bytes(temp)

总结：

以上就是这篇文章的全部内容了，希望本文的内容对大家的学习或者工作具有一定的参考学习价值，如果有疑问大家可以留言交流，谢谢大家对的支持。