本文目录导读：
选择 PyBind11 还是 Boost.Python，主要取决于你的项目需求、团队经验以及对依赖库的容忍度,以下是两者的详细对比和选型建议：
核心对比
| 特性 | PyBind11 | Boost.Python |
|---|---|---|
| 依赖 | 仅需 Python + C++11+ 编译器 | 需要完整 Boost 库（大型依赖） |
| 编译速度 | 快（轻量头文件） | 相对慢（需链接 Boost 库） |
| 易用性 | 现代 C++ 风格，API 简洁 | 较老式，需更多模板技巧 |
| 文档与社区 | 文档清晰，社区活跃 | 文档较分散，社区活跃度低 |
| 性能 | 优秀（无运行时开销） | 类似（但编译更重） |
| Python 版本 | 官方支持 2.7 & 3.x | 官方支持 2.7 & 3.x（更新较慢） |
| 类型转换 | 自动、高效 | 需手动或使用适配器 |
| 维护状态 | 活跃（2024 年仍在更新） | 维护但更新缓慢 |
何时选 PyBind11？
✅ 推荐场景
- 新项目：从零开始，推荐 PyBind11，学习成本低,代码简洁。
- 依赖轻量化：不希望引入庞大的 Boost 库（如嵌入式、云函数）。
- 现代 C++：项目已用 C++11/14/17，PyBind11 完全兼容。
- 快速迭代：编译快,调试方便。
- 社区支持：Stack Overflow、GitHub Issues 响应快。
示例（PyBind11）
#include <pybind11/pybind11.h>
int add(int a, int b) { return a + b; }
PYBIND11_MODULE(example, m) {
m.def("add", &add, "A function that adds two numbers");
}
何时选 Boost.Python？
✅ 推荐场景
- 已有 Boost 依赖：项目中已使用 Boost,不想多引入一个绑定库。
- 需要 Boost 高级特性：如 Boost.Python 的
virtual继承、自定义转换器（虽然 PyBind11 也能做到）。 - 遗留代码迁移：已有大量 Boost.Python 绑定代码,重写成本高。
- 极端兼容性：某些老旧编译器对 C++11 支持有限，Boost.Python 更宽容。
示例（Boost.Python）
#include <boost/python.hpp>
int add(int a, int b) { return a + b; }
BOOST_PYTHON_MODULE(example) {
using namespace boost::python;
def("add", add);
}
性能对比（实际测试）
- 绑定函数调用：两者性能几乎无差异（都是直接调用 C++ 函数）。
- 类型转换：PyBind11 在转换
std::vector、std::map等容器时更高效（使用py::array_t、py::dict）。 - 内存管理：PyBind11 使用 RAII + 引用计数，Boost.Python 需手动管理
ptr、manage_new_object。
选型决策树
graph LR
A[开始] --> B{已有 Boost 依赖？}
B -->|是| C[需要 Boost.Python 高级特性？]
C -->|是| D[选 Boost.Python]
C -->|否| E[考虑 PyBind11（但仍可选 Boost）]
B -->|否| F{项目是纯新还是遗留？}
F -->|新项目| G{团队熟悉什么？}
G -->|现代 C++| H[PyBind11]
G -->|只熟悉 Boost| I[Boost.Python]
F -->|遗留代码| J[保持原方案]
实战推荐
如果你是我的同事，我会建议：
- 80% 情况选 PyBind11：更轻量、更现代、更易维护。
- 20% 情况选 Boost.Python：当 Boost 已是项目强依赖，或需要兼容 C++03 编译器。
额外建议
- 混合使用：理论上可以在同一个项目中同时使用两者，但绝对不推荐（命名冲突、编译变慢）。
- 考虑 nanobind：如果你极端追求编译速度和二进制大小（如移动端），可以看看 PyBind11 的轻量替代品 nanobind（由 PyBind11 作者开发）。
- 工具链：PyBind11 已集成到 CMake 的
FetchContent，一键引入；Boost.Python 需用find_package(Boost)。
如果需要我帮你评估具体项目场景（是否用 Eigen、OpenCV、CUDA？），可以告诉我更多细节,我会给出针对性建议。
