python转cython_说说cython的缺点

最近使用cython做了几个c++ library的wrapper，觉得cython也许没有想象中的那么好，不说bug，只说功能短板

1. c++ struct嵌套enum的支持，比如：

struct EL_TYPE {

enum {A, B, C};

};

没法简单地封装成EL_TYPE.A这样子，只能先搞个cdef class，然后实例化去模仿，当enum很长的时候写起来很别扭，因为申明写一长串，初始化写一长串，比较难看

2. cdef class中的public/readonly变量让人两难，不这么写的话只能cython内部使用，写了的话这块的性能福利又没了

3. numpy的封装(.pxd)比较初级，编译期只包含了numpy的很少一部分（或者直接暴露numpy c api），比如PyArray_NewFromDesc这个方法的核心PyArray_Descr，完全没有封装，当需要自定义Descr时，只能按numpy的方法一个field一个field的去填

4. cython array有点坑，作为一个理应的c实现，在构造时调用了蛮多的python方法，导致这玩意的初始化性能比python array要差一个数量级，当应用中的array构造次数比较多时，这块会成为瓶颈

5. 对c++ std::vector的支持，反正都是contiguous内存了，可以映射到cython array, python array或者numpy ndarray啊

6. 对c++ side 复杂数据结构的支持，几乎就是用cython把c++部分重写一遍。。。

7. 文档。。。比较散，有user guide，有wiki，还有很多技巧性方法只能google。。。比如我就被numpy的PyArray_SimpleNewFromData方法坑过，data指针传给这个函数但numpy不负责释放，为保证ndarray和data生命周期一致要怎么弄。。。结果在<>里找到一个方法，类似于c++的智能指针，把data的引用给一个cdef class，在__dealloc__里释放它，ndarray可以set_array_base到这个cdef class ...