跨语言相互调用，一直是不同编程语言间代码交互Interop的难题，微软一直致力于给C++与C#找个理想的”翻译“，这么多年在语法语义（当然还应该包含编译器）和ABI（应用二进制接口）层面做了不少尝试，进而产生了C++\CLI，C++\CX和COM等技术产物，但这些产物如同现实中自然语言翻译一样，并不算太完美（java同其他语言交互的机制不太了解）。在这点上Python似乎把问题解决的很好，这也就是为什么Python会叫做胶水语言。正是由于python的这一特性，所以它被广泛用于自动化测试中。
python与其他语言交互：
1.使用ctypes 模块调用 C 动态库：如果被测试模块是以C语言编写，可以用Ctypes调用动态链接库，好处在于不用进行额外的开发，可以直接使用编译好的动态库。 ctypes 提供了完整的 C 类型封装，也支持自定义类型，大大减少在调用过程中的工作量。但C++的改名机制使得python调用C++编译的动态链接库很麻烦。
2.使用原生态的Python 的扩展和嵌入（ Extending &Embedding）机制：Python 提供了一套完整的Extending框架来使用 C/C++ 编写扩展库，可以很灵活的开发 C/C++ 扩展模块。这种方法的缺点是工作量比较大，需要为每一个方法编写接口（但通过 SWIG可以降低工作量高效的调用动态链接库）。通过Embedding机制则可以使用C/C++调用python代码进行交互。
（Note：SWIG 是一种简化脚本语言与 C/C++ 接口的开发工具，通过包装和编译 C 语言程序来达到与脚本语言通讯目的的工具。它正是基于 Python 的扩展机制，自动生成接口文件，再编译成可以被 Python 调用的动态库扩展模。目前不打算去了解SWIG，写下来备忘。)
3.Boost.Python: Boot Python是一个为实现C++与Python无缝交互而编写的类库。它可以不借助任何工具仅凭C++编译器使C++类方法和对象快速无缝的暴露给Python，而目前（2.0版本）C++代码调用python模块还需要借助Python/C API不过已经很大程度减少了工作量。这个类库使用模板元编程技术简化了语法，包装C++代码只需要借助一种声明式接口定义语言declarative interface definition language (IDL）。
在Python 中引用 C/C++ 模块的方法较多，根据需要从中选择恰当的方法可以减少很多工作量。在Python 中引用 C/C++ 模块弥补了 Python 脚本测试框架的很多不足，在提高代码复用率的同时，模块的性能也大大提高。
仔细阅读了《Extending and Embedding the python Interpreter》之后，想自己demo一下，做个学习日志，记录学习python的辛酸之路。
无论是扩展（Extending）还是嵌入（Embeding），都需要python.h文件。PythonAPI定义了一系列的函数，宏，变量等（在python.h中定义的所有用户可见的符号都有个前缀py或者PY。）使得调用者可以调用Python运行时系统的大部分功能。这些Python API合成了一个C源文件，你可以通过Python.h访问这些对象。Python有可能会定义一些有可能影响到标准头文件的预处理程序，所以应在引用标准头文件前引用python.h。
需要指出的是嵌入和扩展有很多相像的地方（毕竟所谓交互就是提供一种翻译手段，将C能够认识的对象转化为Python所能认识，反之依然），他们主要的区别在于当扩展python时，你编写的代码还是在python解释器运行（你用C定义某个对象最终要转化成Python对象用python解释器运行），但嵌入python，跟python解释器关系就不大了（只是你程序的部分代码要调用python解释器去执行某些python代码完成交互）。相对来说扩展python比嵌入python更加直观好理解一点。Boost.Python可以简化你的工作，无论是嵌入，还是扩展。
要想要自定义模块被python代码调用需要把模块内函数名和地址放入函数表Method Table 中。函数表必须被引用到模块定义结构module definition structure里。而模块定义结构必须在模块的初始化函数中被传递给解释器。初始化函数必须被命名成PyInit_name()。另外在扩展Python时经常会要自定义异常，对于自定义异常的初始化也应该放在初始化函数中完成。
#include "Python.h"
static PyObject *SpamError; // 自定义异常
// 模块函数static PyObject *
spam_system(PyObject *self, PyObject *args){ const char *command; int sts;
if (!PyArg_ParseTuple(args, "s", &command)) return NULL; sts = system(command); if (sts < 0) { PyErr_SetString(SpamError, "System command failed"); return NULL; } return PyLong_FromLong(sts);}
// 模块函数表static PyMethodDef SpamMethods[] = { {"system", spam_system, METH_VARARGS, "Execute a shell command."}, {NULL, NULL}};
//模块定义结构体
static struct PyModuleDef spammodule = { PyModuleDef_HEAD_INIT, "spam", "example module doc string", -1, SpamMethods, NULL, NULL, NULL, NULL};
PyMODINIT_FUNCPyInit_system(void){ PyObject *m;
m = PyModule_Create(&spammodule); if (m == NULL) return NULL;
SpamError = PyErr_NewException("spam.error", NULL, NULL); Py_INCREF(SpamError); PyModule_AddObject(m, "error", SpamError); return m;}Note：要使用同一个编译器去编译python build 和 这份代码，否则嵌入后不能够执行。使用VS2010编译python3.2源码中的PC\example_nt下代码时有需要改动工程文件，将两行initexample去掉，否则会编译出错，至于需要python2.6.lib或者python2.6_d.lib则完全可以使用同一份代码编译出3.2版本的lib（注意需要编译两个版本，debug版本对应后者，release版本对应前者）代替但同样需要改动工程文件。
python解释器有个很重要的约定：当一个函数失败时，他应该设定异常条件并且返回一个error value（错误值）。异常会被存储在解释器里的一个静态的全局变量中，它是一个三元组(type, value, traceback)：第一个值代表了异常类型，第二个全局变量会存储异常的关联值，第三个变量包含了异常堆栈的追溯对象。这个三元组就是Python中sys.exc_info()的返回值。如果这个三元组值为null，就代表没有异常发生。
PyArg_ParseTuple():会检查参数类型，并把他们转化成C类型的值。
python API定义了一组函数用于定义不同类型的异常：
PyErr_SetString():它的参数是异常对象和一个C类型字符串，异常对象通常是一个预定义对象比如PyExc_ZeroDivisionError，C类型字符串表明了错误发生的原因，会被转换成python字符串对象并且会被当作异常的关联值存储起来。
PyErr_SetFromErrno()：只有一个异常参数，用于检查全局变量errno并构造关联值。
PyErr_SetObject():两个参数，异常和关联值。 传递给这些函数的任何对象都不需要调用Py_INCREF（）。
PyErr_Clear():用于忽略掉函数失败引发的异常，只有一种情况C代码会掉用该函数：当不想传递异常错误信息给解释器而想自己完全处理异常。
Reference:
http://docs.python.org/py3k/extending/index.html
http://www.boost.org/doc/libs/1_49_0/libs/python/doc/index.html