Pybind11是轻量易用的C++/Python绑定库，支持函数导出、STL类型自动转换、NumPy零拷贝及跨平台构建，无需Python C API知识。
用 C++ 写高性能模块，再用 Python 调用，是工业级项目的常见做法。Pybind11 是目前最轻量、易上手且功能完备的 C++/Python 绑定库，无需 Python C API 底层知识，编译即用。
一、安装与最小可运行示例
推荐用 pip 安装 pybind11（头文件库，无运行时依赖）：
pip install pybind11写一个最简 C++ 函数并暴露给 Python：
// example.cpp
#include <pybind11/pybind11.h>
<p>int add(int a, int b) {
return a + b;
}</p><p>PYBIND11_MODULE(example, m) {
m.doc() = "pybind11 example plugin";
m.def("add", &add, "A function that adds two integers");
}用 pybind11 提供的 setup.py 编译（需已安装 C++ 编译器，如 g++/MSVC）：
立即学习“Python免费学习笔记（深入）”；
from pybind11.setup_helpers import Pybind11Extension
from setuptools import setup
<p>ext_modules = [
Pybind11Extension("example", ["example.cpp"]),
]</p><p>setup(
name="example",
ext_modules=ext_modules,
)终端执行：python setup.py build_ext --inplace，生成 example.cpython-*.so（Linux/macOS）或 .pyd（Windows）文件，即可在 Python 中导入使用：
import example print(example.add(3, 4)) # 输出：7
二、传递复杂类型：std::vector、字符串、类对象
pybind11 自动支持常见 STL 类型转换（需包含对应头文件）：
- std::vector → Python list（双向自动转换）
- std::string ↔ str（UTF-8 安全）
- C++ class 可绑定为 Python 类，支持构造、方法、属性、运算符重载
示例：绑定一个带成员函数的类：
class Pet {
public:
Pet(const std::string &name) : name_(name) {}
void set_name(const std::string &n) { name_ = n; }
const std::string &get_name() const { return name_; }
private:
std::string name_;
};
<p>PYBIND11<em>MODULE(pet, m) {
pybind11::class</em><Pet>(m, "Pet")
.def(pybind11::init<const std::string&>())
.def("set_name", &Pet::set_name)
.def("get_name", &Pet::get_name);
}Python 端调用：
from pet import Pet
p = Pet("Milo")
p.set_name("Luna")
print(p.get_name()) # Luna三、处理 NumPy 数组（高效数据交换）
科学计算场景下，避免拷贝大数组是关键。pybind11 支持零拷贝访问 NumPy 数组：
- 需安装 numpy 并在 C++ 中 #include <pybind11/numpy.h>
- 用 pybind11::array_t<float> 接收数组，通过 .data() 获取原始指针
- 支持 shape、stride、dtype 检查，确保内存布局安全
示例：对 float32 数组做原地加法：
void add_one(pybind11::array_t<float> arr) {
auto buf = arr.request();
float *ptr = static_cast<float *>(buf.ptr);
for (size_t i = 0; i < buf.size; ++i) {
ptr[i] += 1.0f;
}
}
<p>// 绑定
m.def("add_one", &add_one);Python 端传入 numpy.ndarray 即可，底层不复制内存。
四、构建与跨平台注意事项
pybind11 本身是纯头文件库，但构建仍需注意：
- Linux/macOS 默认用系统 clang/g++；Windows 推荐 MSVC 2019+ 或 Clang-cl
- 若项目已有 CMake，直接用 find_package(pybind11 REQUIRED)，更稳定可控
- 发布时，扩展模块需与目标 Python 版本 ABI 兼容（建议用 auditwheel 或 delvewheel 修复依赖）
- 调试崩溃时，开启 -g 编译选项，并用 gdb python -c "import yourmod" 定位 C++ 层问题
不复杂但容易忽略：确保 Python 解释器与编译时链接的 libpython 一致（尤其在 conda/virtualenv 多环境时）。
