嚴肅點
Python、C語言、C++聯合編程，可以發揮出C、C++的性能和Python的便利，我相信這是很多人一直想要的功能。但是網絡上一直沒有幾個課程來講述這個問題，所以我做了幾個視頻，系統談談自己在聯合編程實踐中遇到的坑，拋磚引玉。
真實點
C語言、C++太難用了，要是一直能用Python該多好了，無奈自己的身處工業制造行業，很多工具僅僅提供C、C++的SDK，其余的編程語言一律不提供。完全用C、C++開發，開發速度較慢，自身能力不太行、領導容易不滿，再加上人手不夠，時間節點不能總是卡在我這里吧。萬般無奈，思前想后的解決方式是對僅提供C、C++的SDK封裝一層后，交由Python調用，大部分的業務邏輯還是Python來完成。這樣做后，可以大大縮短工期，你好，我好，大家好。
沒有對比就沒有選擇困難
在努力尋找聯合編程的教程后，發現網絡上的文章很雜很亂，又很少，捋不清頭緒。不知道你是不是和像我一樣，找教程而不得。如果有，我下面的文字，一定會對你有所幫助。
先來一份自己的總結表格，梳理網上常見的解決方案：
結論：
- 如果僅僅用C語言，那么用Python自帶的ctypes庫就蠻好用的；
- 如果需要用C++，那么用boost-python和pybind11都可以；
- 如果你是圖像處理從業者，那么直接用opencv，就可以完成Python和C++的交互。
課程在哪里
ctypes
課程鏈接：Python ctypes和C語言交互
網易雲課堂搜索：ctypes
boost
課程鏈接：boost python和C++交互
網易雲課堂搜索：boost
opencv
課程鏈接：編譯自己的opencv-python
網易雲課堂搜索：opencv-python
常見問題
-
pybind11是現代的C++，boost-python歷史包袱太重，選擇哪一個？
我目前用的是boost-python，很重要原因是自帶的boost-numpy庫，可以很方便的和Python numpy進行交互，幫助文檔也較全。寫Python的，對numpy庫肯定不陌生，它太重要了。
boost被人詬病的一點就是編譯太復雜，容易出錯，我將在課程中論述其中的注意事項，我相信你學完后，會覺得編譯其實很簡單。 -
為什么opencv這個圖像庫也入選了？
opencv對於Python的封裝，本來就是基於numpy，而且官方的源碼也清楚明白，如果你經常使用opencv庫，直接看這個課程，肯定可以拓展你的技能樹。