打包多个.py文件为可导入的原生扩展模块需用setuptools+Extension+cythonize：在setup.py中定义Extension列表并调用cythonize编译，生成.so/.pyd文件供import使用；pyproject.toml无法直接声明Extension，纯TOML配置不可行。
打包多个.py文件为可导入的Python扩展模块
直接用 setuptools + pyproject.toml 就能完成，不需要手动写 setup.py。关键不是“打包成exe”，而是生成一个能在Python中用 import 加载的原生模块（如 mylib.cpython-311-x86_64-linux-gnu.so）。
操作要点：
- 把所有要编译的
.py文件放在同一目录下（比如src/mylib/），确保它们构成合法的包结构（含__init__.py） - 在
pyproject.toml中声明cython构建后端，并指定要编译的模块路径 -
build_ext --inplace编译后，生成的.so或.pyd文件会落在源码同级目录，可直接import mylib
示例 pyproject.toml 片段：
[build-system] requires = ["setuptools>=45", "wheel", "Cython>=3.0"] build-backend = "setuptools.build_meta" <p>[project] name = "mylib" version = "0.1.0"</p><p>[project.options.ext_modules]</p><p><span>立即学习</span>“<a href="https://pan.quark.cn/s/00968c3c2c15" style="text-decoration: underline !important; color: blue; font-weight: bolder;" rel="nofollow" target="_blank">Python免费学习笔记（深入）</a>”；</p><h1>这里不是字符串，是 setuptools.Extension 实例（需在 setup.py 或 pyproject.toml 的 build hook 中构造）</h1><h1>实际推荐：用 setup.py 配合 setuptools.Extension 更可控
为什么必须用 setup.py 配合 Extension 而非纯 pyproject.toml
pyproject.toml 本身不支持直接定义 Extension 列表；Cython 编译需要显式告诉构建系统“哪些 .py 文件要转成 C 再编译”，这必须通过 setuptools.Extension 完成。纯 TOML 描述能力不够。
Claw Code Suite (Python-Only Edition)
下载
仅使用 Python 将 Claw Code 虚拟化框架与 OpenClaw 集成，提供 184 种工具和 200 多条命令，用于安全分析和代码质量...
常见错误现象：
- 只改了
pyproject.toml却没写setup.py→pip install -e .后仍是纯 Python 模块，没提速 -
Extension的sources指向了.py文件，但没启用 Cython 编译器 → 构建时报错unknown file type '.py' - 忘记在
setup.py开头加from Cython.Build import cythonize和ext_modules=cythonize(...)
最小可用 setup.py：
from setuptools import setup, Extension
from Cython.Build import cythonize
<p>extensions = [
Extension("mylib.core", ["src/mylib/core.py"]),
Extension("mylib.utils", ["src/mylib/utils.py"]),
]</p><p>setup(
name="mylib",
ext_modules=cythonize(extensions, compiler_directives={'language_level': 3}),
)Cython 编译后性能提升不明显？检查这三点
很多用户编译完发现 timeit 测出来和原 Py 代码差不多，问题通常不在 Cython 本身，而在没突破 Python 对象层。
- 函数没加
def→cpdef或def+ 类型注解才可能被优化；纯def仍是 Python 调用协议 - 内部大量使用
list、dict、str等动态对象 → Cython 不会自动替换成 C 类型，得手动声明cdef list x或用array.array/numpy.ndarray - 调用了大量标准库函数（如
math.sqrt、os.path.join）→ 这些仍是 Python C API 调用，瓶颈没移除；应改用libc.math.sqrt或numpy向量化操作
简单提速信号：给循环变量加 cdef int i，再把 range(n) 换成 for i in range(n):（注意不是 for i in <code>range(n)），就能看到明显差异。
Windows 下编译失败常见原因
报错信息常含 LINK : fatal error LNK1181: cannot open input file 'python311.lib' 或 vcvarsall.bat not found，本质是缺失 Microsoft Visual C++ 构建工具链。
- 不要用 MinGW —— Cython 官方不保证兼容，容易链接失败或运行时崩溃
- 必须安装对应 Python 版本的
Microsoft C++ Build Tools（例如 Python 3.11 需 VS 2022 工具链） - 安装后需在命令行运行
"C:\Program Files\Microsoft Visual Studio\2022\BuildTools\VC\Auxiliary\Build\vcvarsall.bat" x64激活环境，再执行pip install -e . - 若用 Anaconda，优先走
conda install cython+conda install m2w64-toolchain，比 pip + VS 更稳
跨平台发布时，.so / .pyd 文件不可通用；Linux 编译的不能扔到 Windows 导入，反之亦然。
