phpy：连接 PHP 与 Python 生态

上周我们发布了 phpy 项目的第一个版本，收到了大量 PHP 开发者的关注，许多开发者向我们提交问题、意见和建议、Issues 和 Pull Request。

经过一周的优化和修改完善，phpy 又得到了一些突破性进展。本文将详细解答大家广泛关注的问题，以及介绍第二个版本的变化：

运行原理

在进程内同时创建了 ZendVM 和 CPython VM，直接在进程堆栈空间内使用 C 函数 互相调用， 开销只有 zval <-> PyObject 结构体转换，因此性能是非常高的。

phpy 基于 PHP 官方的 ZendAPI 和 Python 官方的 Py C API 实现，没有其他外部的 C 库依赖。因此是可以实现跨平台的，Linux、Windows、macOS 均可使用。

在 PHP-FPM 下使用

第一个版本中我们不建议在 PHP-FPM 环境下使用。在后续的测试发现在 PHP-FPM 环境下 import Python 包，仅第一次消耗比较多的时间，第二次直接使用了 Python sys.modules 中缓存的包，因此 phpy 是完全可以用于 PHP-FPM 或 Apache 等短生命周期环境下的。

甚至我们可以使用 phpy 使得一些对象在 PHP-FPM 下也能常驻内存。

$app = PyCore::import('app.user');  
$storage = $app\->storage;  
if (!isset($storage\['data'\])) {  
    $storage\['data'\] = uniqid();  
    var\_dump("no cache");  
    $o = new stdClass();  
    $o\->hello = uniqid();  
    $storage\['obj'\] = $o;  
} else {  
    var\_dump("cached");  
    var\_dump(strval($storage\['data'\]));  
    var\_dump($storage\['obj'\]);  
}

上面的代码将一个 Python 字典持久化了，在 PHP-FPM 下可以实现内存复用。

phpy 底层设置了内存安全边界，若 Python 中持久化了 PHP 对象，在请求结束后依然会销毁，并且将值设置为 NULL，不必担心出现内存错误

性能测试

压测脚本中创建了一个 PyDict ，分别读写 PHP 代码和 Python 代码执行 1000万次。

• PHP 版本：PHP 8.2.3 (cli) (built: Mar 17 2023 15:06:57) (NTS)

• Python 版本：Python 3.11.5

• 操作系统：Ubuntu 20.04

• GCC 版本：gcc version 9.4.0 (Ubuntu 9.4.0-1ubuntu1~20.04.2)

请注意此测试需要构造一个 1000 万元素的 HashTable，需要至少 2G 以上内存空间才可以运行
测试代码请参考 压力测试

结果对比

(base) htf@swoole-12:~/workspace/python-php/docs/benchmark$ php dict.php   
dict set: 4.663758 seconds  
dict get: 3.980076 seconds  
(base) htf@swoole-12:~/workspace/python-php/docs/benchmark$ php array.php   
array set: 1.578963 seconds  
array get: 0.831129 seconds  
(base) htf@swoole-12:~/workspace/python-php/docs/benchmark$ python dict.py   
dict set: 5.321664 seconds  
dict get: 4.969081 seconds  
(base) htf@swoole-12:~/workspace/python-php/docs/benchmark$

以 Python 测试为基准：

脚本名称	Set	Get
dict.php	114%	125%
array.php	337%	599%

• phpy 以 PHP 代码写入 PyDict 的性能比原生 Python 高 14%，读取性能高 25%

• PHP 写入 PHP Array 的性能比 Python 写入 Dict 高 237%，读取高出了近 500%

异常捕获

最新版本支持了 Python 和 PHP 异常的融合，可以在 PHP 代码中捕获 Python 运行过程中触发的异常。

try {  
    PyCore::import('not\_exists');  
} catch (PyError $e) {  
    PyCore::print($e\->error);  
    PyCore::print($e\->type);  
    PyCore::print($e\->value);  
    PyCore::print($e\->traceback);  
}

• 底层会自动将 $e->value 的字符串值设置为异常消息，可使用 $e->getMessage() 获取

• PyError 未设置 $e->code 错误码，请勿使用

IDE 自动提示

phpy 提供了一个自动生成工具，可以生成 IDE 自动提示文件。使用方法：

cd phpy/tools  
php gen-lib.php \[Python 包名称\]

例如 matplotlib.pyplot ：

• 直接导入：PyCore::import('matplotlib.pyplot')

• 生成提示文件：php tools/gen-lib.php matplotlib.pyplot

也可以配置 tools/gen-all-lib.php 批量生成多个包的提示文件。

安装依赖

composer require swoole/phpy

使用 IDE 提示

require dirname(\_\_DIR\_\_, 2) . '/vendor/autoload.php';  
$plt = python\\matplotlib\\pyplot::import();  
  
$x = new PyList(\[1, 2, 3, 4\]);  
$y = new PyList(\[30, 20, 50, 60\]);  
$plt\->plot($x, $y);  
$plt\->show();

编译参数

第一个版本中我们使用了硬编码的 Python 开发目录，新版本可以使用编译参数来指定，并且底层还会自动识别 Python 版本。

现在 phpy 最低支持 Python 3.8 和 PHP 8.1，另外我们增加了一个 Dockerfile 可以参考此文件来构建 phpy 的环境。

–with-python-dir

指定 Python 的安装路径，例如 /usr/bin/python 应该设置为 --with-python-dir=/usr。
若使用 conda 安装 Python，应设置为 /opt/anaconda3

–with-python-version

指定 Python 的版本，例如 3.10、3.11、3.12，默认将使用 $python-dir/bin/python -V 来获取版本。

动态链接库问题

导入库时发生动态链接库错误，原因可能是 LD 路径错误导致，可设置环境变量指定 Python C 模块 动态库路径。

export LD\_LIBRARY\_PATH=/opt/anaconda3/lib  
php plot.php

这种方式仅对当前的 bash 会话有效，不会影响全局，更加安全。不要直接修改 /etc/ld.so.conf.d/*.conf 增加 /opt/anaconda3/lib，这可能会导致 libc 库冲突，可能会影响操作系统其他程序的正常运行。

支持全部 Python 内置方法

在第一个版本中，我们使用了 C 代码实现了一部分内置函数，第二个版本中我们直接设置了 PyCore::__callStatic() 魔术方法，对于 PyCore 静态方法调用会自动调用 Python 的 builtins 模块对应的方法。支持了全部 Python 内置方法。

可参考 Built-in Functions 了解更多内置方法的使用

甚至我们可以使用 eval 和 exec 在 PHP 中执行 Python 代码。

$pycode = <<<PYCODE  
square = {  
    f'{prefix}{i}': i\*\*2 for i in range(n)  
}  
PYCODE;  
  
$globals = new PyDict(\[  
    'n' => 10,  
    'prefix' => 'square\_',  
\]);  
  
PyCore::exec($pycode, $globals);  
$this\->assertEquals(64, $globals\['square'\]\['square\_8'\]);  
$this\->assertEquals(16, $globals\['square'\]\['square\_4'\]);

迭代器支持

现在可以使用迭代器来遍历 Python 对象，可以完美支持 Python 的 yield 生成器语法。

$iter = PyCore::iter($uname);  
$this\->assertTrue($iter instanceof PyIter);  
  
$list = \[\];  
while ($next = PyCore::next($iter)) {  
    $list\[\] = PyCore::scalar($next);  
}

PHP 单元测试

phpy 项目拥有完整的单测覆盖来保证稳定性，安装成功后可使用 composer test 或者 phpunit脚本进行测试。

Python 单元测试

phpy使用了pytest工具编写了Python调用PHP API的用例。可使用 pytest -v tests/ 来测试模块可用性。

更多例子

Numpy 科学计算

$np = PyCore::import('numpy');  
$rs = $np\->floor($np\->random->random(\[3, 4\])->\_\_mul\_\_(10));  
PyCore::print($rs);

matplotlib.pyplot 数学绘图

$plt = PyCore::import('matplotlib.pyplot');  
  
$x = new PyList(\[1, 2, 3, 4\]);  
$y = new PyList(\[30, 20, 50, 60\]);  
$plt\->plot($x, $y);  
$plt\->show();

以上就是“phpy：连接 PHP 与 Python 生态”的全部内容，希望对你有所帮助。
​
​关于Python技术储备

学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！

一、Python所有方向的学习路线

Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

二、Python必备开发工具

三、Python视频合集

观看零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

四、实战案例

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

五、Python练习题

检查学习结果。

六、面试资料

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

最后祝大家天天进步！！

上面这份完整版的Python全套学习资料已经上传至CSDN官方，朋友如果需要可以直接微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】。