India Database

maturin是专门为 PyO3 设计的构建工具，用于简化在 Rust 中构建和分发 Python 扩展模块的过程。要将 Rust 集成到 Python 中，必须首先编写相应的 Rust 代码，然后编译成可以从 Python 调用的库。各个步骤可能会有所不同，具体取决于所选的库和用例。

rust-cpython
另一个库是 rust-cpython。与 PyO3 一样， rust-cpython允许Python 和 Rust 之间的交互，但重点略有不同。虽然 PyO3 试图使 Python 的互操作性尽可能简单，但 rust-cpython 更专注于提供类似 Python 的 API。不过，该项目现已停止，建议使用 PyO3 代替。

Python 项目中的 Rust 示例
拥抱脸部标记器
Tokenizers 是一个 Python 库，可实现自然语言文本 哥伦比亚 whatsapp 数据​ 的高效标记化。许多自然语言处理库都使用它，包括 Hugging Face Transformers 和 spaCy。 Tokenizers 使用 Rust 编程语言来实现其性能关键组件，例如字节级编码和解码。 Aleph Alpha 还用 Rust 编写了它的。使用 Rust 可以让分词器在保持内存安全的同时实现高性能。尽管 Tokenizers 是用 Python 编写的，但 Rust 仅用于性能关键的部分。这种方法将 Python 的灵活性和简单性与 Rust 的速度和安全性结合起来，实现了自然语言文本的高效和安全处理。


鲁夫
近年来，JavaScript 开发者社区在提高软件执行速度方面表现出了非凡的承诺。 Python 开发者社区是时候考虑类似的战略方向了。用 Rust、Go 和 Zig 等更强大的编程语言开发的“swc”、“esbuild”、“Bun”和“Rome”等工具显着提高了 JavaScript 工具链的性能。这种协同努力通常被称为 JavaScript 工具链的“Rust 认证”，表明 Python 工具也可以利用来提高性能的巨大潜力。

Charlie Marsh 通过展示“Ruff”证实了这一点，这是一个用 Rust 编写的 Python linter。事实证明，Ruff 比同类工具快得多：比 macOS 上的 Flake8 快约 150 倍（或者在启用 Flake8 多处理时快约 25 倍），比 pycodestyle 快约 75 倍，比 pyflakes 和 pylint 快约 50 倍。