我认为cffi可以作为python的一个选项。

目标是从Python调用C代码。你应该能够这样做 不学习第三种语言:每一种选择都需要你学习 学习他们自己的语言(Cython, SWIG)或API (ctypes)。所以我们尝试了 假设你懂Python和C语言，尽量减少多余的 你需要学习的API。

http://cffi.readthedocs.org/en/release-0.7/

首先你应该确定你的特殊目的是什么。上面提到了关于扩展和嵌入Python解释器的官方Python文档，我可以添加一个很好的二进制扩展概述。用例可以分为3类:

加速器模块:比在CPython中运行的等效纯Python代码运行得更快。 包装器模块:将现有的C接口公开给Python代码。 低级系统访问:访问CPython运行时、操作系统或底层硬件的低级特性。

为了给其他感兴趣的人提供一些更广阔的视角，而且因为你最初的问题有点模糊(“到C或c++库”)，我认为这些信息可能会让你感兴趣。在上面的链接中，您可以阅读到使用二进制扩展及其替代方案的缺点。

除了建议的其他答案外，如果您想要一个加速模块，您可以尝试Numba。它的工作原理是“在导入时、运行时或静态(使用包含的pycc工具)使用LLVM编译器基础设施生成优化的机器代码”。

Cython绝对是最好的选择，除非您希望编写Java包装器，在这种情况下，SWIG可能更可取。

我建议使用runcython命令行实用工具，它使使用Cython的过程极其简单。如果你需要向c++传递结构化数据，可以看看谷歌的protobuf库，它非常方便。

以下是我使用这两种工具的一个最小示例:

https://github.com/nicodjimenez/python2cpp

希望这能成为一个有用的起点。

最快的方法是使用SWIG。

来自SWIG教程的例子:

/* File : example.c */
int fact(int n) {
    if (n <= 1) return 1;
    else return n*fact(n-1);
}

接口文件:

/* example.i */
%module example
%{
/* Put header files here or function declarations like below */
extern int fact(int n);
%}

extern int fact(int n);

在Unix上构建Python模块:

swig -python example.i
gcc -fPIC -c example.c example_wrap.c -I/usr/local/include/python2.7
gcc -shared example.o example_wrap.o -o _example.so

用法:

>>> import example
>>> example.fact(5)
120

注意，你必须有python-dev。此外，在某些系统中，python头文件将位于/usr/include/python2.7中，这取决于您安装它的方式。

来自教程:

SWIG是一个相当完整的c++编译器，几乎支持所有语言特性。这包括预处理、指针、类、继承，甚至c++模板。SWIG还可以用于用目标语言将结构和类打包为代理类——以非常自然的方式公开底层功能。

对于现代c++，使用cppyy: http://cppyy.readthedocs.io/en/latest/

它基于Clang/LLVM的c++解释器kling。绑定是在运行时进行的，不需要额外的中间语言。得益于Clang，它支持c++ 17。

使用pip安装:

    $ pip install cppyy

对于小型项目，只需加载您感兴趣的相关库和标头。例如，从ctypes例子中获取的代码是这个线程，但是在头和代码部分中被分割:

    $ cat foo.h
    class Foo {
    public:
        void bar();
    };

    $ cat foo.cpp
    #include "foo.h"
    #include <iostream>

    void Foo::bar() { std::cout << "Hello" << std::endl; }

编译:

    $ g++ -c -fPIC foo.cpp -o foo.o
    $ g++ -shared -Wl,-soname,libfoo.so -o libfoo.so  foo.o

并使用它:

    $ python
    >>> import cppyy
    >>> cppyy.include("foo.h")
    >>> cppyy.load_library("foo")
    >>> from cppyy.gbl import Foo
    >>> f = Foo()
    >>> f.bar()
    Hello
    >>>

大型项目支持自动加载准备好的反射信息和cmake片段来创建它们，以便已安装包的用户可以简单地运行:

    $ python
    >>> import cppyy
    >>> f = cppyy.gbl.Foo()
    >>> f.bar()
    Hello
    >>>

多亏了LLVM，高级特性才得以实现，比如自动模板实例化。继续这个例子:

    >>> v = cppyy.gbl.std.vector[cppyy.gbl.Foo]()
    >>> v.push_back(f)
    >>> len(v)
    1
    >>> v[0].bar()
    Hello
    >>>

注:我是cppyy的作者。

我认为cffi可以作为python的一个选项。

目标是从Python调用C代码。你应该能够这样做 不学习第三种语言:每一种选择都需要你学习 学习他们自己的语言(Cython, SWIG)或API (ctypes)。所以我们尝试了 假设你懂Python和C语言，尽量减少多余的 你需要学习的API。

http://cffi.readthedocs.org/en/release-0.7/