在Android应用中通过Chaquopy使用Python [译]_chaquopy插件

Python在开发者社区中时最受欢迎的语言之一, 因为其简单,健壮并且有着庞大的软件生态使其可以在多个领域发挥作用. 类似NumPy和SciPy这样的包允许你在项目中使用高等数学计算, 而这样的计算在其它的语言中是无法简单实现的. 那么如果将Python引入到Android应用中又会带来什么样效果呢?

Chaquopy是一个可以帮助开发者通过Java/Kotlin在Android平台中运行Python脚本的框架. 和其它跨语言库不同, 它不再有NDK依赖的烦恼, 也不需要native code[1], 并且安装也十分的简单. 在这篇文件中, 我们将探索Chaquopy, 并通过Kotlin来进行构建和使用.

Chaquopy是什么? 它是如何让Python在Android中运行的?

和大多数跨语言接口工作原理一样, Python和Android都有着C/C++的血统, 使其可以通过中间件来进行通信. Android的NDK允许开发者使用通过C/C++编写的本地库, 来帮助Android应用获得更好的图形和科学计算效果.

Chaquopy使用CPython, 一个通过C来实现的Python实现. 不同于一般的误解, Python并不是一个纯粹的解释性语言. Python的源码最开始会被构建为可以被CPython执行的特殊字节码. 当然, CPython只是Python的几种解释器之一, 其它的还有PyPy, IronPython, Jython等等.

Chaquopy通过Android NDK工具链来构建CPython, CPython在项目构建的时候通过Chaquopy Gradle插件从Maven仓库中心进行下载, 在这个过程中用户并不需要下载NDK. 它还下载Chaquopy运行支持通过JNI将Java/Kotlin和Python连接起来.

同时, 我们还需要Python包管理工具pip, 它可以下载为解释器下载包. 像NumPy和SciPy这样的受欢迎的包可以通过原生代码执行高密集的CPU计算, 我们需要事先安装这些包. 因此, Chaquopy团队维护了自己的存储库,其中包含专门为Android的ARM架构构建的本地软件包. 这些软件包的维护者不会为Android平台构建他们的本地代码,因为用户数量较少,因此Chaquopy团队会针对Android平台构建它们并通过自己的存储库进行发布.

对于纯粹的Python包, 不需要额外的构建并且Chaquopy可以直接运行这些.从更宏观来看, Chaquopy包含了三个主要的组件.

1. Chaquopy Gradle Plugin
2. Chaquopy Runtime
3. Package Repository

1.在Android项目中添加Chaquopy

1.1 Gradle依赖和ABI规则

在新/现有的Android项目中添加Chaquopy, project级的build.gradle文件的顶部, 我们定义项目的plugin并且添加Chaquopy的Gradle插件.

plugins {
    id 'com.android.application' version '7.4.2' apply false
    id 'com.android.library' version '7.4.2' apply false
    id 'org.jetbrains.kotlin.android' version '1.7.0' apply false
    id 'com.chaquo.python' version '13.0.0' apply false
}

下一步, 我们在module级的build.gradle文件中添加Chaquopy plugin和指定ABI规则,

plugins {
    id 'com.android.application'
    id 'org.jetbrains.kotlin.android'
    id 'com.chaquo.python'
}
 
android {
    ...
    defaultConfig {
        ...
        ndk {
            abiFilters "armeabi-v7a" //, "arm64-v8a", "x86", "x86_64"
        }
    }
    ...
}

正如官方文档提及的, Python解释器是使用Android NDK来构建的本机组件,NDK为指定的版本构建原生代码, 比如like arm,x86或x86_64. 不同的设备支持不同的架构. 所以我们只能包含特定版本的Python解释器, 而不是为所有架构都进行构建, 因为这会增加应用程序的大小. Android官方文档中是这么说的,

构建系统的默认行为是将每个ABI的二进制文件包括在单个APK也称为胖 APK）内. 与仅包含单个ABI的二进制文件的APK相比,胖APK要大得多, 要权衡的是兼容性更广,但APK更大. 强烈建议您利用app bundle和APK拆分减小 APK的大小,同时仍保持最大限度的设备兼容性.

1.2 Python版本和PIP包

下一步, 我们将配置Python构建版本, 我们可以通过修改module级build.gradle文件来指定版本.

plugins {
    id 'com.android.application'
    id 'org.jetbrains.kotlin.android'
    id 'com.chaquo.python'
}
 
android {
    ...
    defaultConfig {
        ...
        ndk {
            abiFilters "armeabi-v7a" //, "arm64-v8a", "x86", "x86_64"
        }
        python {
            version "3.10"
        }
    }
    ...
}

不同的Chaquopy支持不同的Python版本有着不同的最小API需要. 通过这个表可以查找到你需要匹配的版本. 下一步, 我们指定在Python解释器需要的包的版本.

defaultConfig {
    python {
        pip {
            // A requirement specifier, with or without a version number:
            install "scipy"
            install "requests==2.24.0"
 
            // An sdist or wheel filename, relative to the project directory:
            install "MyPackage-1.2.3-py2.py3-none-any.whl"
 
            // A directory containing a setup.py, relative to the project
            // directory (must contain at least one slash):
            install "./MyPackage"
 
            // "-r"` followed by a requirements filename, relative to the
            // project directory:
            install "-r", "requirements.txt"
        }
    }
}

这是在Chaquopy中安装包的几种不同方法. 它可以是具有特定版本的包名, 也可以是自定义包或者requirement.txt包列表.

通过Java/Kotlin获取Python对象

在Python中,我们使用属于Python模块的函数或者数据成员, 一个Python模块包含.py文件. 要使用任何Python模块中的成员. 第一步是将Python源代码放入<project>/app/src/main/python文件夹中.

# Contents of my_module.py
 
import numpy as np
 
def get_exec_details():
    return __file__
 
def sumOp( nums ):
    return sum( nums )
 
def powOp( a , x ):
    return a**x
 
def npMatrixSum( m , n ):
    mat = np.ones( ( m , n ) )
    mat_sum = np.sum( mat , axis=1 )
    return mat_sum
 
class Operations:
 
    num_ops = 2
 
    def meanOp( self , nums ):
        return sum( nums ) / len( nums )
 
    def maxOp( self , nums ):
        return max( nums )
 
nums_len = 10
nums_len_str = "ten"
ops = Operations()

为了使用my_module中的成员, 我们需要使用Python.getModule方法传递模块的名称. 在这之前, 我们需要运行Python在应用中被允许, 这可以在Application的onCreate方法中执行,

class App : Application() {
 
    override fun onCreate() {
        super.onCreate()
        if( !Python.isStarted() ) {
            Python.start( AndroidPlatform( this ) )
        }
    }
 
}

将App添加到 AndroidManifest.xml

<manifest xmlns:android="http://schemas.android.com/apk/res/android"
    xmlns:tools="http://schemas.android.com/tools">
 
    <application
        android:name=".App"
        ...
    </application>
 
</manifest>

那么在MainActivity中, 我们就可以使用Python.getInstance(否则的话会出现PyException异常),

val py = Python.getInstance()
val module = py.getModule( "my_module" )

访问变量(数据成员)

为了使用数据成员, 像my_module.py中的nums_len,

val numsLength = module[ "nums_len" ]?.toInt()
println( "Nums Length is $numsLength" )

Nums Length is 10

访问对象ops类中的属性

val ops = module[ "ops" ]!!
println( "Operations: $ops" )
println( "num_ops : ${ ops[ "num_ops" ] }" )
println( "mean func : ${ ops[ "meanOp" ] }" )

Operations: <my_module.Operations object at 0xb9339ce8>
num_ops : 2
mean func : <bound method Operations.mean of <my_module.Operations object at 0xb9339ce8>>

执行方法

由于Python中的函数是对象, 因此允许将函数作为模块的值进行访问.然后,我们使用PyObject.call方法来向函数传递参数并获取结果(如果函数返回一个值).

val sumFunc = module[ "sumOp" ]
val sum = sumFunc?.call( intArrayOf( 12 , 25 , 32 ) )
val powFun = module[ "powOp" ]
val pow = powFun?.call( 5 , 2 )
println( "Sum: $sum" )
println( "Pow: $pow" )

Sum: 69
Pow: 25

要从ops对象访问成员函数，

val meanFunc = ops[ "meanOp" ]
val mean = meanFunc?.call( intArrayOf( 23 , 45 , 12 , 91 ) )
println( "Mean: $mean" )
 
// OR
 
val mean = ops.callAttr( "meanOp" , intArrayOf( 23 , 45 , 12 , 91 ) )
println( "Mean: $mean" )

Mean: 42.75

这是一个示例, 其中Python函数使用numpy并返回类型为np.ndarray的结果

# my_module.py
import numpy as np
 
def npMatrixSum( m , n ):
    mat = np.ones( ( m , n ) )
    mat_sum = np.sum( mat , axis=1 )
    return mat_sum
 
val npSumFunc = module[ "npMatrixSum" ]
val output = npSumFunc?.call( 2 , 3 )
 
// OR
 
val output = module.callAttr( "npMatrixSum" , 2 , 3 )
 
println( "Output: $output" )
println( "Output shape: ${output!![ "shape" ] }")

Output: [3. 3.]
Output shape: (2,)