Cython 既是一个优化的静态编译器，也是一个 Python 的超集的编程语言的名称。作为
编译器，它可以使用 Python/C API 执行源到源的编译，把本地 Python 代码及其 Cython 方言
编译为 Python C 扩展。它允许你结合 Python 和 C 的威力，而不需要手动处理 Python/C API。
1．Cython 作为源码编译器
对于使用 Cython 创建的扩展，你将获得的主要优势是使用它提供的语言超集。总之，
你可以利用源到源的编译，使用纯 Python 代码创建扩展。这是 Cython 最简单的方法，因
为它几乎不需要对代码进行任何修改，就可以显著的提升性能，并且开发成本也非常低。
Cython 提供了一个简单实用的 cythonize 函数，允许你轻松地将编译过程与
distutils 或 setuptools 集成。假设我们想把一个纯的 Python 实现的 fibonacci()函
数编译成一个 C 扩展。如果它位于 fibonacci 模块中，最小的 setup.py 脚本，如下所示：
from setuptools import setup
from Cython.Build import cythonize
setup(
name='fibonacci',
ext_modules=cythonize(['fibonacci.py'])
)
Cython 用作 Python 语言的源代码编译工具有另一个好处。源到源编译到扩展可以是源
分发安装过程的完全可选部分。如果需要安装软件包的环境没有 Cython 或任何其他构建前
提条件，则可以将其安装为普通的纯 Python 包。用户不需要关注以这种方式分发的代码有
任何功能性的行为差异。
分发使用 Cython 构建的扩展的常见方法是打包 Python/Cython 源以及从这些源文件生
成中的 C 代码。这样，根据当前构建前提条件，包可以以 3 种不同的方式安装。
● 如果安装环境没有可用的 Cython，则扩展 C 代码是从提供的 Python/Cython 源中生成。
● 如果 Cython 不可用，但有可用的构建前提条件（C 编译器，Python/C API 头），扩
展是从分散式的预生成的 C 文件中构建。
● 如果前面的先决条件都不可用，并且扩展是从纯 Python 源创建的，则模块将像普
通 Python 代码一样安装，并跳过编译步骤。
注意，包含生成的 C 文件以及 Cython 源文件，这是 Cython 文档中推荐的分发 Cython 扩展
的方式。文档中还提到，默认情况下应该禁用 Cython 编译，因为用户在他的环境中可能没有所
需的 Cython 版本，这可能会导致意想不到的编译问题。不过，随着环境隔离的出现，现今这似
乎是一个不太令人担忧的问题。此外，Cython 是一个有效的 Python 包，它在 PyPI 上可用，因此
你可以很容易地定义特定版本的项目依赖。包含这样一个先决条件，无疑是一个有严重影响的决
定，应该非常仔细地考虑。更安全的解决方案是利用 setuptools 包中 extras_require 特
性的强大功能，并允许用户决定是否要使用具有特定环境变量的 Cython，如下所示：
import os
from distutils.core import setup
from distutils.extension import Extension
try:
# 只有当 Cython 可用时
# cython 源到源的编译才可以使用
import Cython
# 并且特定的环境变量明确说明
# 使用 Cython 生成 c 源码
USE_CYTHON = bool(os.environ.get("USE_CYTHON"))
except ImportError:
USE_CYTHON = False
ext = '.pyx' if USE_CYTHON else '.c'
extensions = [Extension("fibonacci", ["fibonacci"+ext])]
if USE_CYTHON:
from Cython.Build import cythonize
extensions = cythonize(extensions)
setup(
name='fibonacci',
ext_modules=extensions,
extras_require={
# 通过'[with-cython]'这个特性
# 当包被安装时
可以设置特定的 Cython 的版本的依赖
'cython': ['cython==0.23.4']
}
)
在安装包时，pip 安装工具支持 extras 选项，该选项通过向包名称添加[extra-name]
后缀进行安装。对于上述示例，从本地源安装时，可以使用以下命令启用可选的 Cython 依
赖与编译器：
$ USE_CYTHON=1 pip install .[with-cython]
2．Cython 作为一门语言
Cython 不仅是一个编译器，而且也是一个 Python 语言的超集。超集意味着任何有效的
Python 代码是允许的，并且它还具有一些额外的特性，如支持调用 C 函数或声明 C 类型的
变量和类属性。所以任何用 Python 编写的代码都可以用作为 Cython 语言使用。这解释了
为什么可以通过 Cython 编译器很容易地将普通的 Python 模块编译到 C。
但我们不会止步于这个简单的事实。我们引用的 fibonacci()函数也是 Python 超集
中的扩展的有效代码，我们将尝试做一点改进。我们不会对函数设计进行实质的优化，只
是做一些小的改动，使用 Cython 编写，我们就可以从中受益。
Cython 源文件使用不同的文件扩展名。它的扩展名是.pyx 而不是.py。假设我们仍
然想要实现我们的斐波纳契数列。fibonacci.pyx 的内容看起来可能是像这样的：
"""提供斐波纳契数列函数的 Cython 模块"""
def fibonacci(unsigned int n):
"""递归计算返回斐波那契数列的第 n 项"""
if n < 2:
return n
else:
return fibonacci(n - 1) + fibonacci(n - 2)
正如你可以看到的，唯一真正改变的是 fibonacci()函数的签名。由于 Cython 中的
可选静态类型，我们可以将 n 参数声明为 unsigned int，这会稍微改进我们函数的工作
方式。此外，它比以前用手写扩展时做的更多。如果 Cython 函数的参数声明为静态类型，
那么扩展将通过抛出合适的异常来自动处理转换和溢出的异常，如下所示：
>>> from fibonacci import fibonacci
>>> fibonacci(5)
5
>>> fibonacci(-1)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
File "fibonacci.pyx", line 21, in fibonacci.fibonacci (fibonacci.c:704)
OverflowError: can't convert negative value to unsigned int
>>> fibonacci(10 ** 10)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
File "fibonacci.pyx", line 21, in fibonacci.fibonacci (fibonacci.c:704)
OverflowError: value too large to convert to unsigned int
我们已经知道 Cython 只能进行源到源的编译，而生成的代码使用相同的 Python/C API，
我们在手动为扩展编写 C 代码时也使用到了这些 API。注意 fibonacci()是一个递归函
数，所以它经常调用它自己。这意味着虽然我们为输入参数声明了一个静态类型，但在递
归调用期间，它会像对待其他 Python 函数一样对待自己。因此，n-1 和 n-2 将被打包成
Python 对象，然后传递到 fibonacci()的内部实现，该实现会再次返回 unsigned int
类型。这将会一次又一次地重复发生，直到我们达到最终的递归深度。但涉及到比真正需
要更多的参数处理时，就可能出现问题。
我们可以通过将更多的工作委托给一个不知道 Python 结构的纯 C 函数来减少 Python
函数调用和参数处理的开销。之前，我们在使用纯 C 创建 C 扩展时这样做过，同样，也可
以在 Cython 中这样做。我们可以使用 cdef 关键字声明接受和返回 C 类型的 C 风格函数：
cdef long long fibonacci_cc(unsigned int n):
if n < 2:
return n
else:
return fibonacci_cc(n - 1) + fibonacci_cc(n - 2)
def fibonacci(unsigned int n):
""" 递归计算返回斐波那契数列的第 n 项
"""
return fibonacci_cc(n)
我们可以进一步优化。有了一个简单的 C 示例，我们终于展示了如何在调用我们的纯
C 函数期间释放 GIL，因此这个扩展对于多线程应用程序更加友好。在前面的例子中，我
们使用了来自 Python/C API 头文件中的 Py_BEGIN_ALLOW_THREADS 和 Py_END_ALLOW_
THREADS 预处理器宏，便于让 Python 调用这些代码。Cython 语法更短，更容易记住。在
代码中使用简单的 with nogil 语句可以释放 GIL，如下所示：
def fibonacci(unsigned int n):
""" 递归计算返回斐波那契数列的第 n 项 """
with nogil:
result = fibonacci_cc(n)
return fibonacci_cc(n)
你也可以标记整个 C 风格函数是无 GIL 的安全的调用：
cdef long long fibonacci_cc(unsigned int n) nogil:
if n < 2:
return n
else:
return fibonacci_cc(n - 1) + fibonacci_cc(n - 2)
重要的是要知道这样的函数不能有 Python 对象作为参数或返回类型。每当标记为
nogil 的函数需要执行任何 Python/C API 调用时，它必须使用 with gil 语句获取 GIL。
