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。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C089
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00