目前有 Pybind11 / Boost.Python / SWIG 这几个主流高效绑定方案的对比和推荐：
🔥 高效 C++ 到 Python 绑定工具推荐
| 工具 | 性能特点 | 编译速度 | 二进制大小 | 运行效率 | 易用性 | 是否推荐 |
|---|
| nanobind | 极速绑定库 | ✅ 快 | ✅ 小 | ✅ 高 | ⚠️ 中等 | ✅ 推荐 |
| cppyy | JIT + Cling | ⚠️ 动态绑定 | ⚠️ 无编译 | ⚠️ 略慢 | ✅ 高 | ✅ 原型开发推荐 |
| litgen | 自动化绑定生成器 | ⚠️ 依赖 srcML | ✅ 自动生成 | ✅ 中等 | ✅ 高 | ✅ 自动生成推荐 |
| Cython (C++ 模式) | 混合语言 | ⚠️ 较慢 | ⚠️ 大 | ✅ 高 | ⚠️ 中等 | ⚠️ 一般 |
| SWIG | 跨语言绑定 | ⚠️ 较慢 | ⚠️ 大 | ⚠️ 中等 | ⚠️ 低 | ⚠️ 不推荐 |
| Boost.Python | 古老经典 | ❌ 很慢 | ❌ 很大 | ⚠️ 低 | ⚠️ 低 | ❌ 不推荐 |
🚀 推荐首选：nanobind
✅ 优势总结：
- 编译速度快：比 Pybind11 快 4x
- 二进制小：比 Pybind11 小 5x
- 运行效率高：比 Pybind11 快 10x
- 零依赖：仅需 Python 和 C++17 编译器
- 支持 STL 容器：vector、map、tuple 等
- 支持 NumPy 数组：nb::ndarray
- 支持类型标注：.pyi 文件生成（stubgen）
🧩 示例代码：
#include <nanobind/nanobind.h>struct Dog {std::string name;void bark() { printf("%s barks!\n", name.c_str()); }
};NB_MODULE(example, m) {nb::class_<Dog>(m, "Dog").def(nb::init<>()).def_rw("name", &Dog::name).def("bark", &Dog::bark);
}
🛠 构建方式：
mkdir build && cd build
cmake ..
make
🧪 替代选择：cppyy
✅ 优势总结：
- 无需编译绑定代码
- 动态加载 C++ 头文件
- 适合快速原型开发
- 支持 PyPy
🧩 示例代码（Python）：
import cppyycppyy.include("dog.h")d = cppyy.gbl.Dog()
d.name = "Buddy"
d.bark()
⚠️ 注意事项：
- 使用 Cling/LLVM，部署环境需要安装额外依赖
- 对模板支持良好，但运行时性能略低于 nanobind
- 不适合生产环境中的静态绑定
🧱 自动绑定生成：litgen
✅ 优势总结：
- 自动从 C++ 头文件生成 Python 绑定
- 支持 Pybind11 和 nanobind
- 文档自动生成（docstring）
- 基于 srcML 解析器
🧩 示例流程：
- 写一个 C++ 函数：
int square(int x);
- 使用 litgen 生成绑定代码：
litgen -i math.h -o bindings.cpp --pybind11 false --nanobind true
- 编译并导入：
g++ -shared -fPIC bindings.cpp -o _math.so
- Python 中使用：
import math
print(math.square(4))
📦 总结：根据你的需求选工具
| 场景 | 推荐工具 | 说明 |
|---|
| 高性能嵌入式项目 | nanobind | 最佳选择，轻量高效 |
| 快速原型开发 | cppyy | 零编译，动态调用 |
| 大量结构体自动绑定 | litgen + nanobind | 自动生成绑定代码 |
| 跨语言调用 | SWIG | 支持多语言，但性能一般 |
| 旧项目维护 | Pybind11 | 社区活跃，文档丰富 |
| Windows/.NET 项目 | C++/CLI + Python.NET | 仅限 Windows 平台 |
✅ 如果你正在做 CTP 接口绑定
建议采用以下组合：
| 工具 | 用途 |
|---|
nanobind | 主体绑定（结构体、函数） |
litgen | 自动提取结构体字段生成 .cpp 绑定代码 |
stubgen | 生成 .pyi 类型存根，提升 IDE 支持 |
推荐 swig和litgen，这是目前的主流方案，文档齐全
