Xcode 项目内 OC 混编 Python,调用 Python 函数,并获取返回值(基于 python 的 c函数库)
1:新建 Xcode 工程
2:工程添加 Python.framework
3:在当前工程下新建一个名字为 googleT 的 python 文件(googleT.py)
在 googleT.py 文件内写入一个测试 python 函数
def lgf_translate( str ):var1 = ' Hello World!'print (str + var1)return (str + var1) 4:新建一个 OC 类 GoogleTranslate 名字随意
直接上代码
.h
//
// GoogleTranslate.h
// LGFFY
//
// Created by lai on 2020/7/23.
// Copyright © 2020 victor. All rights reserved.
//#import <Foundation/Foundation.h>NS_ASSUME_NONNULL_BEGIN@interface GoogleTranslate : NSObject
- (NSString *)pyCallWithModule:(char *)module funcKey:(char *)funcKey Args:(char *)args;
@endNS_ASSUME_NONNULL_END .m
//
// GoogleTranslate.m
// LGFFY
//
// Created by lai on 2020/7/23.
// Copyright © 2020 victor. All rights reserved.
//#import "GoogleTranslate.h"
#import <Python/Python.h>@interface GoogleTranslate()
@end
@implementation GoogleTranslate/**OC 调用 Python (基于 c/c++ 调用 Python)@param module python 模块名称@param funcKey 函数名称@param args 函数参数@return 返回值*/
- (NSString *)pyCallWithModule:(char * _Nonnull)module funcKey:(char * _Nonnull)funcKey Args:(char * _Nonnull)args {// 初始化 python 解释器Py_Initialize();if (!Py_IsInitialized()) {return @"error: 初始化环境失败";}// 新增 python 路径这里的新增路径是 xcode 内 python 文件的路径, 这一步很关键, 不设置 python 环境将无法检测到 xcode 工程下的 python 模块PySys_SetPath((char *)[[NSString stringWithFormat:@"%s:%@", Py_GetPath(), [[NSBundle mainBundle] resourcePath]] UTF8String]);// 初始化参数PyObject *pModule = NULL, *pFunc = NULL, *pDict = NULL, *pValue = NULL, *pResult = NULL;pModule = PyImport_ImportModule(module);if (!pModule) {finalize(pModule ,pFunc ,pDict ,pValue, pResult);return [NSString stringWithFormat:@"error: %s 模块找不到", module];}// 使用PyObject* pDict来存储导入模块中的方法字典pDict = PyModule_GetDict(pModule);if(!pDict) {finalize(pModule ,pFunc ,pDict ,pValue, pResult);return [NSString stringWithFormat:@"error: %s 模块中未定义方法", module];}// 获取模块中的函数pFunc = PyDict_GetItemString(pDict, funcKey);if(!pFunc || !PyCallable_Check(pFunc)) {finalize(pModule ,pFunc ,pDict ,pValue, pResult);return @"error: 方法获取失败";}// 函数参数pValue = Py_BuildValue("(z)", args);if(!pValue) {finalize(pModule ,pFunc ,pDict ,pValue, pResult);return @"error: 参数转换失败";}// 调用函数获取 return 值pResult = PyObject_CallObject(pFunc, pValue);if (!pResult) {finalize(pModule ,pFunc ,pDict ,pValue, pResult);return @"error: return 值出错";}//结果处理if (PyString_Check(pResult)) {finalize(pModule ,pFunc ,pDict ,pValue, pResult);return [NSString stringWithUTF8String: PyString_AsString(pResult)];} else if (PyInt_Check(pResult)) {finalize(pModule ,pFunc ,pDict ,pValue, pResult);return [NSString stringWithFormat:@"%ld", PyInt_AsLong(pResult)];} else {NSDictionary *paramsDic = @{@"success": @"yes", @"msg": @"Python 函数 return 值获取失败"};NSError *dataError = nil;NSData *data = [NSJSONSerialization dataWithJSONObject:paramsDic options:NSJSONWritingPrettyPrinted error:&dataError];NSString *paramsStr = [[NSString alloc] initWithData:data encoding:NSUTF8StringEncoding];finalize(pModule ,pFunc ,pDict ,pValue, pResult);return paramsStr;}}void finalize(PyObject *pModule, PyObject *pFunc, PyObject *pDict, PyObject *pValue, PyObject *pResult) {PyErr_Print();//释放对象if (Py_IsInitialized()) {Py_Finalize();}
}@end 5:在 ViewController 中调用
GoogleTranslate *translate = [[GoogleTranslate alloc] init];NSString *res = [translate pyCallWithModule:"googleT" funcKey:"lgf_translate" Args:"fffffff"];NSLog(@"%@", res);
6: 输出:
这只是一个小模型,python 的开源库有很多好的模块,以后也可以辅助 xcode 项目,是不是很方便
喜欢的朋友记得点赞、收藏、关注哦!!!
相关文章:
Xcode 项目内 OC 混编 Python,调用 Python 函数,并获取返回值(基于 python 的 c函数库)
1:新建 Xcode 工程 2:工程添加 Python.framework 1597052861430.jpg 3:在当前工程下新建一个名字为 googleT 的 python 文件(googleT.py) 1597052584962.jpg 在 googleT.py 文件内写入一个测试 python 函数 def lgf_translate( str ):var1 Hello World!print (str var1)retu…...
每日计划-1117
1. 完成 169. 多数元素 class Solution { public:int majorityElement(vector<int>& nums) {// 使用哈希表来统计每个元素出现的次数unordered_map<int, int> countMap;int n nums.size();for (int num : nums) {// 如果元素已经在哈希表中,增加其…...
如何用GPT-4o解读视频
OpenAI在去年推出的GPT-4V已经支持了多模态识别,但一直仅限于图片输入,不支持视频。相比之下,Google的Gemini早已支持视频识别。最近,我司业务场景中出现了一个需要识别视频的需求,而我们只采购了GPT-4o模型。这就引发…...
[ACTF2020]Upload 1--详细解析
信息收集 题目告诉我们是一道upload,也就是文件上传漏洞题目。 进入界面,是一个灯泡,将鼠标放在图标上就会出现文件上传的相应位置: 思路 文件上传漏洞,先看看有没有前端校验。 在js源码中找到了前端校验ÿ…...
【微软:多模态基础模型】(3)视觉生成
欢迎关注【youcans的AGI学习笔记】原创作品 【微软:多模态基础模型】(1)从专家到通用助手 【微软:多模态基础模型】(2)视觉理解 【微软:多模态基础模型】(3)视觉生成 【微…...
整合Druid
添加依赖 配置数据源信息...
基于Python空气质量可视化及预测
摘 要 随着社会的发展和工业化进程的加速,环境问题日益凸显,尤其是空气质量问题对人们的生活和健康产生了重大影响。为了更好地了解和预测空气质量,本文设计并实现了一个基于Python爬虫、Flask框架和ECharts的天气质量预测及可视化系统。该系统通过爬取网络上的空气质量数据…...
第1章-PostgreSQL(PG)介绍
第1章-PostgreSQL(PG)介绍 1、简介2、排名3、发展4、应用5、优势6、对比 1、简介 PostgreSQL是一种特性非常齐全的自由软件的对象-关系型数据库管理系统(ORDBMS),是以加州大学计算机系开发的POSTGRES,4.2版…...
moduo之阻塞队列BlockingQueue和BoundedBlockingQueue
简介 moduo中的队列与java线程池中的队列类似, 有无界阻塞队列和有界阻塞队列 结构 #mermaid-svg-Gf8nET825tZgzVRM {font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}#mermaid-svg-Gf8nET825tZgzVRM .error-icon{fill…...
大模型Tuning方法详解
1. 引言 大模型与Tuning的重要性 随着人工智能和深度学习技术的快速发展,大规模预训练模型(Large Pre-trained Models,简称大模型)在自然语言处理、计算机视觉等领域取得了显著的效果。大模型如GPT-4、BERT、T5和DALL-E等具备强…...
爬虫策略与反爬机制——爬虫常见策略
随着网络爬虫技术的日益发展,反爬机制也变得越来越复杂,网站和服务商不断加强对爬虫行为的监控和限制,开发者需要采取一系列有效的爬虫策略来提高爬虫的效率并规避反爬措施。本章将介绍一些常见的爬虫策略,帮助开发者应对不同情况…...
Linux基础(十七)——Linux 帐号管理与 ACL 权限设置
Linux 帐号管理与 ACL 权限设置 1.UID与GID2./etc/passwd3./etc/shadow4./etc/group5./etc/gshadow6.有效群组和初始群组7.账号管理7.1 增加、修改、删除账户7.2 增加、修改、删除群组7.3 实例 8.ACL使用8.1 ACL定义8.2 查询与设置ACL 9.用户切换9.1 su9.2 .sudo 10. 使用者的特…...
【HarmonyOS】鸿蒙系统在租房项目中的项目实战(二)
从今天开始,博主将开设一门新的专栏用来讲解市面上比较热门的技术 “鸿蒙开发”,对于刚接触这项技术的小伙伴在学习鸿蒙开发之前,有必要先了解一下鸿蒙,从你的角度来讲,你认为什么是鸿蒙呢?它出现的意义又是…...
11.16 Vue element
Ajax 概念:Asynchronous JavaScript Anderson XML,异步的JavaScript和XML。 作用: 数据交换:通过Ajax 可以给服务器发送请求,并收取服务器相应的数据。异步交互:可以在不重新加载整个页面的情况下&#…...
Gin 框架中的路由
1、路由概述 路由(Routing)是由一个 URI(或者叫路径)和一个特定的 HTTP 方法(GET、POST 等) 组成的,涉及到应用如何响应客户端对某个网站节点的访问。 RESTful API 是目前比较成熟的一套互联网应用程序的 API 设计理论,所以我们设计我们的路 由的时候建议参考 …...
在MATLAB中实现自适应滤波算法
自适应滤波算法是一种根据信号特性自动调整滤波参数的数字信号处理方法,其可以有效处理噪声干扰和信号畸变问题。在许多实时数据处理系统中,自适应滤波算法得到了广泛应用。在MATLAB中,可以使用多种方法实现自适应滤波算法。本文将介绍自适应…...
linux文件与重定向
目录 一、共识原理 二、回顾C语言文件函数 1.fopen 2.fwrite 3.fclose 三、文件系统调用 1.open 2.write 3.访问文件的本质 4.stdin&&stdout&&stderror 5.文件的引用计数 四、重定向 1.文件描述符的分配规则 2. 输出重定向 3.重定向系统调用 4.…...
基于Python的仓库管理系统设计与实现
背景: 基于Python的仓库管理系统功能介绍 本仓库管理系统采用Python语言开发,利用Django框架和MySQL数据库,实现了高效、便捷的仓库管理功能。 用户管理: 支持员工和管理员角色的管理。 用户注册、登录和权限分配功能&#x…...
【Pikachu】URL重定向实战
人生在世只有一次,不必勉强选择自己不喜欢的路,随性而生或随性而死都没关系,不过无论选择哪条路,都不要忘记自己的初心。 1.不安全的url跳转实战 首先点击页面上的链接,观察url 直接修改url为https://www.baidu.com进…...
C语言实现3D动态爱心图形的绘制与动画效果
**标题:C语言实现3D动态爱心图形的绘制与动画效果** --- ### 一、引言 在计算机图形学中,三维图形的绘制和动画处理是一个重要且有趣的研究方向。通过数学公式描述的几何体可以在计算机屏幕上展示出丰富多彩的动态效果,其中“爱心”图形作…...
OpenAI Agents SDK实战:构建多智能体协作系统的核心概念与最佳实践
1. 从零到一:理解 OpenAI Agents SDK 的核心价值 如果你正在用 JavaScript 或 TypeScript 捣鼓 AI 应用,尤其是想让多个 AI 智能体(Agent)协同工作,那么 OpenAI 官方推出的这个 Agents SDK 绝对值得你花时间研究。它不…...
Python Flask应用如何实现用户画像分析_记录用户行为与分析数据
关键在于异步解耦:行为日志先入内存队列或Redis,由独立worker批量落库;统一用持久visitor_id绑定用户行为,避免ID断链;标签采用宽表关联表双层结构,支持高效查询与灵活迭代。Flask 中怎么记录用户行为而不拖…...
从NASA音频设计看极端约束下的工程权衡:可靠性如何塑造系统特性
1. 项目概述:从一次论坛讨论说起如果你和我一样,是个对技术细节有强迫症的老工程师,或者是个音频发烧友,那你肯定也曾在看NASA的航天直播或纪录片时,皱起眉头嘀咕过:“这声音怎么这么差?” 那种…...
一种新型傅里叶邻接Transformer用于脑电情绪识别
该片文章是频域先验 空间拓扑 Transformer在 EEG 情绪识别的里程碑,针对现有模型频域特征挖掘不足、Transformer 缺乏归纳偏置、跨被试泛化差三大核心痛点,提出傅里叶邻接 Transformer(FAT),在 SEED、DEAP 数据集上刷…...
ChatGPT Discord机器人开发全链路拆解(含Rate Limit绕过策略与上下文记忆优化)
更多请点击: https://intelliparadigm.com 第一章:ChatGPT与Discord机器人开发全链路概览 构建一个能调用 ChatGPT 能力的 Discord 机器人,需跨越 API 集成、身份认证、消息路由与状态管理四大核心层。该链路并非单向调用,而是一…...
yargs单元测试终极指南:使用mocha测试CLI命令的完整实践
yargs单元测试终极指南:使用mocha测试CLI命令的完整实践 【免费下载链接】yargs yargs the modern, pirate-themed successor to optimist. 项目地址: https://gitcode.com/gh_mirrors/ya/yargs yargs是一款功能强大的现代命令行参数解析工具,为…...
FreeRTOS和RT-Thread的内存管理实战:如何正确使用pvPortMalloc与rt_malloc替代C库malloc
FreeRTOS与RT-Thread内存管理实战:从标准库陷阱到RTOS最佳实践 在嵌入式实时操作系统开发中,动态内存分配就像高空走钢丝——一步失误可能导致系统崩溃。传统C库的malloc/free在RTOS环境中如同穿着拖鞋走钢丝,而pvPortMalloc和rt_malloc则是专…...
从玩具到工具:Dobot Magician桌面机械臂开箱与Blockly图形化编程初体验
从玩具到工具:Dobot Magician桌面机械臂开箱与Blockly图形化编程初体验 第一次见到Dobot Magician时,它安静地躺在包装箱里,像一件精致的工业艺术品。作为一款定位教育和个人创客市场的桌面级机械臂,它的价格只有工业机械臂的零头…...
PLINK实战:如何用--het和--hardy参数快速筛查异常样本与SNP位点
PLINK实战:基因组数据质控中的杂合度与哈迪-温伯格平衡分析技巧 拿到测序数据的第一天,实验室新来的博士生盯着满屏的PLINK报表面露难色——那些F值、P值究竟在说什么?为什么隔壁组的文章用0.2过滤杂合度,而合作方坚持要用0.1&…...
以太网技术演进:从标准统一到多速率并行发展的深度解析
1. 以太网演进:从有序增长到“混沌”繁荣如果你在2015年前后关注过网络技术,可能会觉得以太网的世界突然变得有点“乱”。不再是那个我们熟悉的、每隔几年速度就提升十倍的规律节奏。当时,IEEE 802.3工作组内部同时推进着2.5G、5G、25G乃至40…...
