什么是库

库是写好的现有的，成熟的，可以复用的代码。现实中每个程序都要依赖很多基础的底层库，

本质上来说库是一种可执行代码的二进制形式，可以被操作系统载入内存执行。库有两种：静态库（.a、.lib）和动态库（.so、.dll）。 windows上对应的是.lib .dll linux上对应的是.a .so

静态库

在链接阶段，会将汇编生成的目标文件.o与引用到的库一起链接打包到可执行文件中。因此对应的链接方式称为静态链接。

静态库与汇编生成的目标文件一起链接为可执行文件，那么静态库必定跟.o文件格式相似。其实一个静态库可以简单看成是一组目标文件（.o/.obj文件）的集合

Linux静态库命名规范，必须是"lib[your_library_name].a"：lib为前缀，中间是静态库名，扩展名为.a。

创建静态库（.a）

通过上面的流程可以知道，Linux创建静态库过程如下：

        g++ -c main_c.cpp

注意带参数-c，否则直接编译为可执行文件

        ar -crv libmain_c.a main_c.o

生成静态库libmain_c.a。

动态库

另一个问题是静态库对程序的更新、部署和发布页会带来麻烦。如果静态库liba.lib更新了，所以使用它的应用程序都需要重新编译、发布给用户（对于玩家来说，可能是一个很小的改动，却导致整个程序重新下载，全量更新）。

动态库在程序编译时并不会被连接到目标代码中，而是在程序运行是才被载入。不同的应用程序如果调用相同的库，那么在内存里只需要有一份该共享库的实例，规避了空间浪费问题。动态库在程序运行是才被载入，也解决了静态库对程序的更新、部署和发布页会带来麻烦。用户只需要更新动态库即可，增量更新。

动态库特点

C++中创建动态库

如果是cpp还要加上extern "C"，因此C编译器编译后在符号库中的名字为_foo，而C++编译器为了实现重载则会产生像_foo_int_int之类的名称，因此如果使用g++或者cpp编译动态链接库，则会找不到对应函数出现Segmentation fault

同时要注意编译器的选择，虽然都不会报错，但是执行逻辑不一样

编写gen.c

int gen(){
    return 1;
}

编译.c为.so文件

gcc  gen.c -o gen.so -g -Wall -fPIC -shared

编写test_main.cpp文件

#include <dlfcn.h>

#include <iostream>

typedef int (*PYMAIN)();
using namespace std;
int main() {
  PYMAIN py_main = NULL;
  void* handle = dlopen("./gen.so", RTLD_LAZY);
  if (!handle) {
    std::cout << dlerror();
  };
  py_main = (PYMAIN)dlsym(handle, "gen");
  std::cout << py_main << std::endl;
  int r = py_main();
  std::cout << "load dll : " << r << std::endl;
  return 0;
}

编译cpp文件

g++ test_main.cpp -ldl -g   && ./a.out

Cython配合Python-C接口加载动态链接

1.  编写gen.pyx文件或gen.py文件，注意这里不能用cpdef或者cdef，因为python runtime会找不到

def gen():
    return 5

2. 通过cython转换为.c后编译为动态链接库test_gen.cpython-38-x86_64-linux-gnu.so

cython -3 gen.py
g++ gen.c -g -I/usr/include/python3.8 -lpython3.8   -Wall -fPIC -shared 

如果需要编译project需则需要设置Extension module

modules = [Extension(
                    os.path.splitext(file_name)[0].replace(os.sep, "."),
                    [input_path])]
#mod: utils.ops ['numpy_demo/utils/ops.py']

cythonize(modules,language='c++',language_level=3)

3. 编写test_main.cpp代码

#include <Python.h>
#include <dlfcn.h>
#include <numpy/arrayobject.h>

using namespace std;
void print_dict(PyObject* obj) {
  if (!PyDict_Check(obj)) return;
  PyObject *k, *keys;
  keys = PyDict_Keys(obj);
  for (int i = 0; i < PyList_GET_SIZE(keys); i++) {
    k = PyList_GET_ITEM(keys, i);
    const char* c_name = _PyUnicode_AsString(k);
    printf("%s\n", c_name);
  }
}
int main() {
  Py_Initialize();
  //   PyRun_SimpleString("import sys");
  //   PyRun_SimpleString("sys.path.append('./')");
  PyObject *p_name, *p_module, *p_dict, *p_func, *p_args, *p_res, *numpy_array ;
  p_name = PyUnicode_FromString("test_load");
  p_module = PyImport_Import(p_name);
  p_dict = PyModule_GetDict(p_module);
  print_dict(pDict);
  p_func = PyDict_GetItemString(p_dict, "gen");
  p_res= PyObject_CallObject(p_func, p_args);
  numpy_array = PyArray_FROM_OTF(p_res, NPY_DOUBLE, 0);
  int dim = PyArray_NDIM(p_res);
  printf("%ld", dim);
  Py_Finalize();
  return 0;
}

4. 设置python环境编译运行

export PYTHONPATH=./
g++ test_main.cpp -ldl -g -I/usr/include/python3.8 -lpython3.8 && ./a.out