PyCFunction多次迭代触发段故障，C实现带numpy向量的Python对象异常

从你的REPL示例来看，核心问题几乎都是numpy数组的引用计数管理不当或者直接操作内存时的校验缺失导致的。我给你写一个完整的正确实现示例，并解释关键坑点：

正确的C扩展实现代码 #

头文件依赖 #

首先确保包含必要的头文件：

#define PY_SSIZE_T_CLEAN
#include <Python.h>
#include <numpy/arrayobject.h>

定义Rle对象结构体 #

结构体里要保存numpy数组的指针，并且管理好引用：

typedef struct {
    PyObject_HEAD
    PyArrayObject *runs;  // 持有numpy数组的引用
} RleObject;

对象的初始化与销毁 #

• 初始化函数：校验输入是否为numpy数组，转换为预期类型（比如double），并保存引用
• 销毁函数：释放numpy数组的引用，避免内存泄漏或野指针

static PyObject *Rle_new(PyTypeObject *type, PyObject *args, PyObject *kwds) {
    RleObject *self = (RleObject *)type->tp_alloc(type, 0);
    if (self != NULL) {
        self->runs = NULL;  // 初始化为NULL
    }
    return (PyObject *)self;
}

static int Rle_init(RleObject *self, PyObject *args, PyObject *kwds) {
    PyObject *runs_obj = NULL;
    static char *kwlist[] = {"runs", NULL};

    // 解析参数
    if (!PyArg_ParseTupleAndKeywords(args, kwds, "O", kwlist, &runs_obj)) {
        return -1;
    }

    // 校验是否为numpy数组
    if (!PyArray_Check(runs_obj)) {
        PyErr_SetString(PyExc_TypeError, "runs must be a numpy array");
        return -1;
    }

    // 转换为连续的double类型数组（NPY_ARRAY_IN_ARRAY确保输入是数组，自动转换类型/连续性）
    self->runs = (PyArrayObject *)PyArray_FROM_OTF(runs_obj, NPY_DOUBLE, NPY_ARRAY_IN_ARRAY);
    if (self->runs == NULL) {
        return -1;  // 转换失败，numpy已经设置了异常
    }

    return 0;
}

static void Rle_dealloc(RleObject *self) {
    if (self->runs != NULL) {
        Py_DECREF(self->runs);  // 释放数组引用
    }
    Py_TYPE(self)->tp_free((PyObject *)self);
}

add方法实现 #

确保数组是可写的、一维的，然后安全修改元素：

static PyObject *Rle_add(RleObject *self) {
    if (self->runs == NULL) {
        PyErr_SetString(PyExc_RuntimeError, "Rle object not initialized properly");
        return NULL;
    }

    // 校验是否为一维数组
    if (PyArray_NDIM(self->runs) != 1) {
        PyErr_SetString(PyExc_ValueError, "runs must be a 1D array");
        return NULL;
    }

    // 校验数组是否可写
    if (!(PyArray_FLAGS(self->runs) & NPY_ARRAY_WRITEABLE)) {
        PyErr_SetString(PyExc_ValueError, "runs array is read-only");
        return NULL;
    }

    npy_intp size = PyArray_SIZE(self->runs);
    double *data = (double *)PyArray_DATA(self->runs);

    // 循环给每个元素加1
    for (npy_intp i = 0; i < size; i++) {
        data[i] += 1.0;
    }

    Py_RETURN_NONE;  // 返回None给Python
}

类型对象与模块初始化 #

// 定义对象方法
static PyMethodDef Rle_methods[] = {
    {"add", (PyCFunction)Rle_add, METH_NOARGS, "Add 1 to each element in the runs array"},
    {NULL}  // 哨兵，结束标记
};

// 定义对象成员（让Python可以访问runs属性）
static PyMemberDef Rle_members[] = {
    {"runs", T_OBJECT_EX, offsetof(RleObject, runs), 0, "The underlying numpy array"},
    {NULL}
};

// 定义Rle类型
static PyTypeObject RleType = {
    PyVarObject_HEAD_INIT(NULL, 0)
    .tp_name = "rletest.Rle",
    .tp_doc = "Rle object holding a numpy array",
    .tp_basicsize = sizeof(RleObject),
    .tp_itemsize = 0,
    .tp_flags = Py_TPFLAGS_DEFAULT | Py_TPFLAGS_BASETYPE,
    .tp_dealloc = (destructor)Rle_dealloc,
    .tp_init = (initproc)Rle_init,
    .tp_new = Rle_new,
    .tp_methods = Rle_methods,
    .tp_members = Rle_members,
};

// 定义模块
static PyModuleDef rletestmodule = {
    PyModuleDef_HEAD_INIT,
    .m_name = "rletest",
    .m_doc = "Module for Rle objects with numpy array support",
    .m_size = -1,
};

// 模块初始化函数
PyMODINIT_FUNC PyInit_rletest(void) {
    PyObject *m;
    // 初始化Rle类型
    if (PyType_Ready(&RleType) < 0) {
        return NULL;
    }

    m = PyModule_Create(&rletestmodule);
    if (m == NULL) {
        return NULL;
    }

    // 添加Rle类型到模块
    Py_INCREF(&RleType);
    if (PyModule_AddObject(m, "Rle", (PyObject *)&RleType) < 0) {
        Py_DECREF(&RleType);
        Py_DECREF(m);
        return NULL;
    }

    // 初始化numpy C API
    import_array();

    return m;
}

关键坑点解释 #

1. 引用计数是核心：
   • 在Rle_init中，PyArray_FROM_OTF返回的是新的引用，所以直接保存到self->runs即可；如果是直接赋值原输入数组（比如self->runs = (PyArrayObject *)runs_obj），必须调用Py_INCREF(runs_obj)，否则原数组被GC回收后，self->runs就变成野指针，后续访问触发段错误。
2. 数组的合法性校验：
   • 必须检查数组的维度、可写性，否则如果用户传入只读数组（比如numpy.array([1,2,3], copy=False)），修改时会触发内存错误；非一维数组直接按一维访问也会出错。
3. numpy API初始化：
   • 模块初始化时必须调用import_array()，否则numpy的C API无法正常工作，会触发各种奇怪的错误。

内容的提问来源于stack exchange，提问作者The Unfun Cat