PythoC：一种从 Python 生成 C 代码的新方法

　　导读：PythoC 允许开发者将 Python 作为 C 代码生成器，但它比 Cython 提供更多功能与灵活性。以下是对这款全新的 Python C 代码生成器做简单介绍。

　　Python 和 C 的共通之处比表面看起来要更多。

　　Python 解释器的参考版本便是用 C 语言编写的，许多为 Python 编写的第三方库也封装了C 代码。此外，还可以从 Python 生成 C 代码。

　　使用 Python 生成 C 代码通常需要像Cython这样的库，这些库使用类型注释的 Python 代码为 Python 生成 C 扩展模块。

　　现在，有一个名为PythoC 的新项目采用了不同的方法。它使用类型提示的 Python 以编程方式生成 C 代码——但主要用于独立用途，并且比 Cython 具有更多的编译时代码生成功能。

　　PythonC 的开发者用“C 级运行时，Python 驱动的编译时”来描述他们的开发理念。该项目仍处于早期阶段，但已有的功能足以值得开发者来关注。

　　以下是一个根据 Python 示例改编的简单程序：

　　frompythocimportcompile, i32@compiledefadd(x: i32, y: i32) -> i32: returnx + yif__name__ =="__main__": print(add(10,20))

　　要指定模块中哪些函数需要编译成 C 代码，可以使用 PythonC 的@compile装饰器，并为结果和每个参数提供类型提示。

　　注意，你需要导入 PythonC 自带的 ` i32int` 类型提示，而不是使用 Python 原生的 `int` 类型int提示。这意味着使用的是机器原生的整数，而不是 Python 的任意大小整数。

　　运行此程序后，延迟一段时间后会得到输出结果。C 代码每次执行程序时30都会即时编译，因此会有些延迟。PythoC 目前还没有像 Cython 那样，在从 Python 调用时重用已编译代码的机制。

　　乍一看，这似乎是一个相当大的限制。但实际上，这正是它的优势所在：你可以将 PythoC 用作 C 程序的代码生成系统，生成独立运行的 C程序，而不是将 C模块导入 Python。

　　这是同一程序的全新版本，行为却有所不同。

　　frompythocimportcompile, i32, ptr, i8frompythoc.libc.stdioimportprintf@compiledefadd(x: i32, y: i32) -> i32: returnx + y@compiledefmain(argc: i32, argv: ptr[ptr[i8]]) -> i32: printf("%u\n", add(10,20))if__name__ =="__main__": frompythocimportcompile_to_executable compile_to_executable()

　　首先，你会注意到的是底部的代码块——这个compile_to_executable()函数正所谓恰如其名。调用它后，当前模块将被编译成一个同名的可执行文件，其中@compile包含所有被 `-` 装饰的函数。

　　另一个区别是，该函数现在与C 程序中的函数main()具有相同的名称。这意味着编译后的可执行文件将自动使用该名字作为其执行入口点。

　　最后，运行此程序时，生成的可执行文件（位于build子目录中）不会自动运行；我们须手动运行它。此程序的目的是构建一个独立的C 程序，其外观与用 C 语言手动编写的程序完全相同，但语法却与 Python 类似。

　　除了少数例外情况外，PythoC 可以生成充分利用 C 语言特性集和运行时的代码。

　　我们已经了解了如何使用类型注解来指示基本数据类型。同样，可以使用ptr[T]注解来描述指针（如上所示），并用array[T, N]它来表示类型为 T 的 N 维数组。

　　我们可以通过修饰 Python 类来创建结构体、联合体和枚举，所有常用的运算符和控制流操作（除了 `__include__` goto）都适用。对于`__include__` switch/case，只需使用 `__include__` match/case，尽管它不支持回退情况。

　　另一个缺失的功能是可变长度数组。在 C 语言中，只有 C11 及更高版本才支持此功能，而且编译器对它的支持是可选的，因此 PythonC 目前不支持它也并不奇怪。

　　Cython 可以用于编译时代码生成，这表示着您可以生成不同类型的 C 代码，甚至可以根据编译时的情况回退到 Python 代码。但是 PythonC 的编译时代码生成功能是 Cython 所不具备的。

　　以下是 Python 文档中的一个代码示例：

　　from pythocimportcompile, struct, i32, f64def make_point(T): @struct(suffix=T) classPoint: x:T y:T @compile(suffix=T) def add_points(p1:Point, p2:Point) ->Point: result:Point=Point() result.x = p1.x + p2.x result.y = p1.y + p2.y returnresult returnPoint, add_pointsPoint_i32, add_i32 = make_point(i32)Point_f64, add_f64 = make_point(f64)

　　该make_point(T)函数接受类型注解（i32`@ type`、 f64`@type`），并在编译时生成类Point和add_points函数的类型特化版本。` suffix@type` 参数@compile表示“更改生成对象的名称，使其名称中包含类型信息”——例如，`@type`Point会变成 ` @type`Point_i32和 `@ Point_i64type`，这在 C 语言中是区分同一函数的不同类型签名的一种方法。

　　此外，还可以结合运行时分发来实现多态性。

　　C语言手动内存管理可能引发的各种bug，对于任何使用过这门语言的人来说都耳熟能详。Cython提供了内存安全机制来解决这个问题，而Python则提供了独特的基于类型的特性。

　　其中一项特性称为linear（线性类型）。linear导入该类型可以生成一个“证明”，通常用于内存分配，该证明必须在释放同一块内存时被“消耗”。如果consume(prf)每个内存分配都没有匹配的证明prf=linear()，PythonC 编译器将生成一个编译时错误。上面链接的文档展示了如何创建简单的lmalloc()`/`lfree()函数来安全地分配和释放内存。虽然没有规定你必须使用线性类型而不能手动使用malloc()`/ free()`，但线性类型可以自动执行许多手动检查，并将检查集中在编译时而不是运行时。

　　另一种基于类型的安全特性是细化类型。其思想是，你可以定义一个函数来执行某种检查（例如，检查空指针），并返回一个布尔值结果。然后，你可以使用该refine()函数传递一个值，并获取该函数特有的类型refined[func]。这使得编译器能够确保该类型在返回之前必须经过某种处理，并且允许在代码的单个位置处理常见的检查（例如，检查非空指针）。

　　Cython 的类型系统主要用于直接模拟 C 语言的行为，因此不包含类似的功能。

　　PythoC 目前仍处于早期开发阶段，其未来的发展方向相对开放。

　　一种可能性是，它可以在运行时与 Python 更紧密地集成。例如，@cached装饰器可以预先编译模块一次，然后在 Python 内部调用时重用已编译的模块，而无需每次运行时都重新编译。

　　当然，这还需要与 Python 现有的模块构建系统集成。虽然这种程度的集成可能并非该项目的目标，但它将使 PythoC 对那些需要集成 C 和 Python 的开发者来说更加实用。