PySide的Shiboken:项目最佳实践与启动指南
2025-05-12 12:01:22作者:殷蕙予
1. 项目介绍
PySide的Shiboken是一个开源项目,它是一个Python绑定生成器,用于将C++代码库转换为Python模块。Shiboken是PySide项目的一部分,PySide是Qt应用程序框架的Python绑定。通过Shiboken,开发者能够使用Python编写跨平台的桌面应用程序,同时享受到Qt框架提供的强大功能和丰富的用户界面元素。
2. 项目快速启动
以下是基于GitHub上的Shiboken项目仓库的快速启动指南:
首先,你需要安装必要的依赖项。Shiboken依赖于SIP,它是一个用于C和C++的Python绑定的工具。以下是一些基本步骤:
# 安装依赖项
sudo apt-get install python3-dev python3-pip
sudo apt-get install g++ libboost-all-dev
# 克隆Shiboken和SIP仓库
git clone https://github.com/pyside/sip.git
git clone https://github.com/pyside/Shiboken.git
# 进入sip目录并安装
cd sip
python3 configure.py
make
sudo make install
# 返回到Shiboken目录并配置
cd ../Shiboken
python3 configure.py
接下来,编译和安装Shiboken:
# 编译Shiboken
make
# 安装Shiboken
sudo make install
如果上述步骤没有问题,那么Shiboken应该已经成功安装在你的系统中。
3. 应用案例和最佳实践
使用Shiboken的一个最佳实践是创建一个C++扩展模块,并通过Python调用它。以下是一个简单的例子:
首先,创建一个C++源文件example.cpp:
#include <Shiboken/ApiExtractor.h>
#include <Python.h>
class Example : public QObject {
Q_OBJECT
public:
int add(int a, int b) { return a + b; }
};
static PyMethodDef Example_methods[] = {
{"add", (PyCFunction)Example_add, METH_VARARGS, "Add two integers"},
{NULL, NULL, 0, NULL} // Sentinel
};
static PyTypeObject ExampleType = {
PyVarObject_HEAD_INIT(NULL, 0)
.tp_name = "example.Example",
.tp_basicsize = sizeof(Example),
.tp_flags = Py_TPFLAGS_DEFAULT | Py_TPFLAGS_BASETYPE,
.tp_new = PyType_GenericNew,
.tp_methods = Example_methods,
};
static PyModuleDef examplemodule = {
PyModuleDef_HEAD_INIT,
.m_name = "example",
.m_doc = "Example module that adds two numbers",
.m_size = -1,
};
PyMODINIT_FUNC PyInit_example(void) {
if (PyType_Ready(&ExampleType) < 0)
return NULL;
Py_XINCREF(&ExampleType);
PyObject* module = PyModule_Create(&examplemodule);
if (module == NULL)
return NULL;
PyModule_AddObject(module, "Example", (PyObject*)&ExampleType);
return module;
}
然后,创建一个Python脚本example.py来使用这个模块:
from example import Example
ex = Example()
print(ex.add(5, 3))
编译这个C++文件,并确保生成的模块可以在Python中导入。
4. 典型生态项目
Shiboken的生态系统中包括了一些典型的项目,比如PySide2(现在是PySide6),它是一个基于Shiboken生成的Python绑定的Qt库。PySide6允许开发者使用Python来创建具有Qt功能的桌面应用程序,它遵循了PySide的API,并支持最新的Qt版本。
其他项目可能包括使用Shiboken为特定C++库创建Python绑定的各种尝试,从而使得这些库能够以Pythonic的方式被使用,为Python社区提供更多的工具和功能。
登录后查看全文
热门项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
570
3.84 K
Ascend Extension for PyTorch
Python
381
456
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
894
679
暂无简介
Dart
803
198
openEuler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。
C
353
209
昇腾LLM分布式训练框架
Python
119
146
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
781