C++ 嵌入 Python 呼叫 jieba 分詞：避坑指南與最佳實踐

常見坑點

1. Python 腳本中含 `print`：嵌入式 Python 執行 `print` 可能導致解譯器刷新標準輸出甚至終止執行緒，建議移除所有 `print` 或重定向 `sys.stdout`。
2. Unicode/Bytes 轉換：Python 3 中 jieba 回傳 `str` (Unicode)，C++ 需 `PyUnicode_AsUTF8` 或 `encode('utf-8')` 取得 `char*`；Python 2 需 `.encode('gbk')` 適配中文編碼。
3. GIL 鎖管理：多執行緒呼叫時必須 `PyGILState_Ensure/Release`，否則會死鎖或崩潰。
4. 模組路徑：確保 `sys.path` 包含 jieba 安裝目錄，或將腳本放入專案資源目錄並 `PySys_SetPath`。

最小可行架構

// C++ 偽碼
Py_Initialize();
PyGILState_STATE gil = PyGILState_Ensure();

PyObject* pModule = PyImport_ImportModule("my_jieba_wrapper");
PyObject* pFunc = PyObject_GetAttrString(pModule, "cut");
PyObject* pArgs = PyTuple_Pack(1, PyUnicode_FromString(cppString));
PyObject* pResult = PyObject_CallObject(pFunc, pArgs);

const char* utf8 = PyUnicode_AsUTF8(pResult); // Python 3
// 處理 utf8 字串...

Py_DECREF(pArgs); Py_DECREF(pResult); Py_DECREF(pFunc); Py_DECREF(pModule);
PyGILState_Release(gil);
Py_Finalize();

Python 包裝腳本 (my_jieba_wrapper.py)

import jieba
def cut(text):
    # 不要 print！
    return " ".join(jieba.cut(text))

替代方案：純 C++ 分詞庫

• cppjieba：jieba 的 C++ 移植版，無需嵌入 Python，效能更高、部署更簡單。
• SCWS、THULAC 等成熟中文分詞 C/C++ 庫。

結語

嵌入 Python 呼叫 jieba 可行但維護成本高（環境一致性、GIL、編碼、部署）。優先評估 cppjieba 等原生 C++ 庫；若業務強依賴 Python 生態（如自定義詞典動態更新、複雜 NLP 管線），則嚴格遵循 GIL 與編碼規範，並編寫完整的單元測試覆蓋邊界情況。