Cython 3.1 中移除 cpython.int.pxd 的影响与迁移指南
Cython 3.1 版本中移除了对 Python 2 兼容性的支持,特别是删除了 cpython/int.pxd 文件,这导致了一些依赖该文件的代码无法编译。这一变更反映了 Python 生态向 Python 3 的全面迁移,开发者需要了解这一变化的影响并采取相应的迁移措施。
背景与变更原因
在 Python 2 时代,整数类型分为 int 和 long 两种,因此 Cython 提供了 cpython/int.pxd 文件来处理这两种类型的交互。随着 Python 3 的普及,整数类型统一为 long 类型,原有的 PyInt_* 系列函数被 PyLong_* 替代。
Cython 3.1 移除了 cpython/int.pxd 文件,这是清理 Python 2 兼容代码的一部分。这一变更影响了那些仍然在代码中使用 PyInt_Check 和 PyInt_AS_LONG 等函数的项目。
影响范围
受影响的代码通常包含以下形式的导入语句:
from cpython.int cimport PyInt_Check, PyInt_AS_LONG
在 Cython 3.0 及更早版本中,这些代码能够编译通过,因为 Cython 内部提供了从 PyInt_* 到 PyLong_* 的映射。但在 3.1 版本中,这种隐式转换不再可用。
迁移解决方案
对于需要迁移的项目,有以下几种解决方案:
-
直接使用 PyLong_ 函数*: 将代码中的
PyInt_Check替换为PyLong_Check,PyInt_AS_LONG替换为PyLong_AsLong。这是最推荐的解决方案,因为它完全遵循 Python 3 的规范。 -
条件编译: 如果代码需要同时支持 Python 2 和 3,可以使用条件编译:
IF PY_MAJOR_VERSION < 3: from cpython.int cimport PyInt_Check, PyInt_AS_LONG ELSE: from cpython.long cimport PyLong_Check as PyInt_Check, PyLong_AsLong as PyInt_AS_LONG -
自定义兼容层: 可以创建一个自定义的兼容层头文件,提供必要的宏定义和函数映射。
实际案例
以 python-flint 项目为例,其原始代码中包含了对 PyInt_Check 的使用:
if PY_MAJOR_VERSION < 3 and PyInt_Check(obj):
fmpz_set_si(x, PyInt_AS_LONG(obj))
return 1
迁移后的代码可以直接使用 PyLong_Check,因为 Python 3 中所有整数都是长整型:
if PyLong_Check(obj):
fmpz_set_pylong(x, obj)
return 1
最佳实践建议
- 全面检查代码库:搜索项目中所有
from cpython.int的导入语句,评估其必要性。 - 更新构建配置:确保构建系统明确指定需要 Cython 3.0.x 或更新版本。
- 添加版本检查:在项目的构建脚本中添加对 Cython 版本的检查,提供友好的错误提示。
- 移除 Python 2 兼容代码:除非有特殊需求,否则建议完全移除与 Python 2 相关的条件编译代码。
结论
Cython 3.1 移除 cpython/int.pxd 是 Python 生态向现代化迈进的一步。虽然这会导致一些现有代码需要调整,但迁移过程通常是直接的。开发者应该抓住这个机会,清理项目中的遗留代码,确保代码库完全符合 Python 3 的规范。对于大多数项目来说,简单地用 PyLong_* 替代 PyInt_* 函数就能解决问题,同时还能简化代码并提高可维护性。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00