cppyy 基本类型#
C++ 的内置类型比 Python 丰富得多。大多数 Python 代码对此可以相对保持不可知，cppyy 在适当的时候提供自动转换。另一方面，Python 的内置类型（如列表和映射）比 C++ 中的任何内置类型都要丰富得多。这些类型被映射到它们的标准模板库等价物。
下面的示例中使用的 C++ 代码可以在这里找到，并且假设在运行任何示例代码片段之前已经加载了该代码。下载它，将其保存为名为 features.h 的文件，然后简单地包含它：
import cppyy
cppyy.include('features.h')
/media/pc/data/lxw/envs/anaconda3x/envs/xxx/bin/python3.12: not an ELF file.
True
cppyy 内置类型#
Python 和 C++ 之间的内置数据类型的选择差异很大。在可能的情况下，内置数据类型映射到预期的等效 Python 类型，但要注意可能存在的大小差异、不同的精度或舍入等。例如，C++ 的 float 返回为 Python 的 float，实际上是 C++ 的 double。如果大小允许，转换是自动的。例如，C++ 的 unsigned int 变成 Python2 的 long 或 Python3 的 int，但无符号性仍然保留：
cppyy.gbl.gUint
0
type(cppyy.gbl.gUint)
int
cppyy.gbl.gUint = -1
---------------------------------------------------------------------------
ValueError Traceback (most recent call last)
Cell In[4], line 1
----> 1 cppyy.gbl.gUint = -1
ValueError: can't convert negative value to unsigned long
在某些平台上，8 位整数类型（如 int8_t 和 uint8_t）表示为 char 类型。为了保持一致性，这些类型映射到 Python int。
有些类型在 Python 中是内置的，但在 C++ 中是（STL）类。例如，str 与 std::string（另见字符串部分）以及 complex 与 std::complex。这些类已经被 python 化，以尽可能表现得相同。例如，字符串比较可以直接工作，而 std::complex 具有 real 和 imag 属性：
c = cppyy.gbl.std.complex['double'](1, 2)
c
(1+2j)
c.real, c.imag
(1.0, 2.0)
s = cppyy.gbl.std.string("aap")
type(s)
<class cppyy.gbl.std.string at 0x55deceb25330>
s == "aap"
True
要通过 C++ 的 char（有符号或无符号）传递参数，使用大小为 1 的 Python 字符串。在许多情况下，也可以使用 ctypes 模块中的显式 C 类型，但该模块没有公共 API（用于类型转换或其他用途），所以支持有些有限。
在可能的情况下，C++ 的 std::vector 和 Python 的 list 及 tuple 之间存在自动转换，因为它们通常以类似的方式使用。然而，这些数据类型具有完全不同的内存布局，而 std::vector 要求所有元素都是相同的类型并在内存中连续排列。因此，转换需要类型检查、内存分配和复制。这可能会相当昂贵。
tuple
tuple
cppyy 数组#
通过 array 中的数组（或任何其他实现 Python 缓冲接口的内置类型数组，如 numpy 数组）以及 cppyy 中用于返回和变量访问的低级视图类型来支持内置数组（同样实现了缓冲接口）。仅在编译时知道大小的情况下进行越界检查。示例：
from cppyy.gbl import Concrete
from array import array
c = Concrete()
c.array_method(array('d', [1., 2., 3., 4.]), 4)
1 2 3 4
c.m_data[4] # static size is 4, so out of bounds
---------------------------------------------------------------------------
IndexError Traceback (most recent call last)
Cell In[11], line 1
----> 1 c.m_data[4] # static size is 4, so out of bounds
IndexError: index out of bounds on dimension 1
cppyy 数组#
数组通过C++的低级视图对象来支持。只有在编译时知道大小或可以推断出大小时，这种方法才会有效。如果大小未知，则将大小设置为一个大整数（取决于数组元素的大小）以允许访问。然后由开发者确保不越界访问。对实例数组的支持有限，但在C++中应尽量避免使用这些：
cppyy.cppdef('std::string str_array[3][2] = {{"aa", "bb"}, {"cc", "dd"}, {"ee", "ff"}};')
True
type(cppyy.gbl.str_array[0][1])
<class cppyy.gbl.std.string at 0x55deceb25330>
cppyy.gbl.str_array[0][1]
b'bb'
cppyy.gbl.str_array[4][0]
---------------------------------------------------------------------------
IndexError Traceback (most recent call last)
Cell In[15], line 1
----> 1 cppyy.gbl.str_array[4][0]
IndexError: tuple index out of range
cppyy 指针#
当C++代码采用指向特定内置类型的指针或引用类型（例如，无符号整数）时，类型必须完全匹配。cppyy支持标准模块ctypes和array提供的这些类型。使用对内置类型的引用的示例：
from ctypes import c_uint
u = c_uint(0)
c.uint_ref_assign(u, 42)
u.value
42
对于对象，一个对象、指向对象的指针以及智能指针以相同的方式表示，同时自动应用必要的（解）引用。指针变量也通过引用绑定，因此C++或Python端的更新也会在另一端反映出来。
cppyy 枚举#
支持命名、匿名和类枚举。枚举的Python底层类型是实现相关的，甚至可能在同一编译器上对不同枚举有所不同。然而，通常这些类型是 int 或 unsigned int，这会转换为 Python 的 int 或在 Python2 上的 long，或者在 Python3 上的 class int。与底层类型分开，所有枚举都有它们自己的 Python 类型，以允许它们用于模板实例化：
from cppyy.gbl import kBanana # classic enum, globally available
print(kBanana)
29
cppyy.gbl.EFruit
__main__.EFruit
print(cppyy.gbl.EFruit.kApple)
78
cppyy.gbl.E1
---------------------------------------------------------------------------
AttributeError Traceback (most recent call last)
Cell In[20], line 1
----> 1 cppyy.gbl.E1
AttributeError: <namespace cppyy.gbl at 0x55decca32cc0> has no attribute 'E1'. Full details:
type object '' has no attribute 'E1'
'E1' is not a known C++ class
'E1' is not a known C++ template
'E1' is not a known C++ enum
cppyy.gbl.NamedClassEnum.E1
(NamedClassEnum::E1) : (int) 42