如何在C扩展中跨平台链接NumPy关联的线性代数库

编写Python C扩展时需要复用NumPy已链接的BLAS/LAPACK线性代数计算例程，尝试过的方案均存在缺陷：

• 遍历numpy.distutils.*下的公开模块，未找到跨平台获取对应链接库路径的实现
• 调用numpy.show_config()可正确识别链接的库名称，但返回的目录路径与实际运行时加载路径不符，无法直接用于编译链接
  核心目标是在自定义C代码中直接调用LAPACK层级的例程，示例调用代码如下：

dgetrf(&m, &n, a, &lda, ipiv, &info);
// 或NumPy提供的统一封装接口
LAPACK_dgetrf(&m, &n, a, &lda, ipiv, &info);

优先方案：直接复用NumPy导出的LAPACK/BLAS封装接口，无需手动查找库路径 #

这是跨平台兼容性最好的方案，完全不需要手动定位NumPy链接的线性代数库文件：

• 编译扩展时通过numpy.get_include()获取NumPy头文件目录，引入numpy/lapack.h、numpy/blas.h两个头文件即可。头文件内部已经完成了跨平台、跨底层实现的符号适配，无论NumPy底层链接的是OpenBLAS、MKL、Netlib LAPACK还是macOS自带的Accelerate框架，都会统一导出LAPACK_*、BLAS_*前缀的封装函数，和你需要调用的接口完全匹配。
• 构建扩展时仅需链接NumPy的核心C库即可，不需要额外链接独立安装的BLAS/LAPACK库。NumPy运行时已经完成了底层线性代数库的加载，头文件中声明的封装函数会自动路由到NumPy实际使用的底层实现，不存在版本不匹配、路径错误的问题。
• 该方案全平台兼容Windows、macOS、Linux，适配所有官方发布的NumPy安装包，不需要针对不同发行版做特殊适配。

特殊场景下获取实际链接库路径的方法 #

如果确实需要拿到NumPy加载的线性代数库的绝对路径，不要依赖numpy.show_config()的输出——该接口返回的是NumPy编译阶段记录的构建路径，在虚拟环境迁移、可重定位安装、conda环境等场景下路径失效是正常现象，用下面两种运行时查询的方法可以拿到100%准确的路径：

• 运行时遍历进程已加载的动态链接库列表：Linux下读取/proc/self/maps，Windows下调用系统APIEnumProcessModules，macOS下通过dyld相关接口查询已加载模块，匹配库名包含openblas、mkl_rt、blas、lapack、Accelerate关键词的模块，对应的路径就是NumPy实际加载的线性代数库路径。
• 静态解析NumPy核心模块的依赖：定位numpy.core._multiarray_umath模块对应的动态库文件路径，用系统自带的依赖解析工具查询其依赖项：Linux用ldd、macOS用otool -L、Windows用dumpbin /dependents，过滤出线性代数相关的依赖库即可，该方法拿到的库和NumPy编译时链接的库完全一致。

• 不建议直接调用无前缀的原生dgetrf符号：不同Fortran编译器、不同BLAS/LAPACK实现的符号改编规则存在差异，部分实现会给函数名加下划线后缀、做大小写转换，直接调用原生符号极易出现链接失败、运行时符号找不到的问题，使用NumPy提供的LAPACK_*封装接口是最稳妥的选择。
• 不要依赖任何编译阶段存储的静态路径配置，这类路径在NumPy安装位置变动后必然失效，运行时动态查询的结果才可靠。

内容的提问来源于stack exchange，提问作者vlovero