版本繁多的 Python

Python 有基于不同的实现方式，有多个版本，比如 CPython、 Jython、 RPython 与 IronPython 等等。

不过，一般我们口中所说的 Python，都是默认代指的标准版 CPython，其基于 C语言 实现，能够兼容诸多 CAPI，这些 CAPI 几乎无所不能，运行速度极快，于是大神们便通过这些 CAPI，为 CPython 创造了一个又一个牛逼哄哄的武器 -- 第三方库，这些武器能够把 Python 武装起来，最终让 Python 成了编程世界中一个无比强大的存在。

没有第三方库的 Python，就像失去了武器的武者，要他干活，就像要他肉身搏坦克。想最大化的发挥出 Python 的威力，你需要尽量科学合理的使用 Python 世界中那些拥有巨大价值的库。

先天残疾的 IronPython

Windows平台下诸多的设计软件，比如 Grasshopper 与 Dynamo，它们内置的 Python 都是 IronPython。

IronPython 虽然也有 Python 之名，但其底层是基于 .NET 平台实现的，与基于 C语言 的 原生Python 有天壤之别。IronPython 从一出生就注定了无法使用大神们通过 CAPI 创造的强大武器。

无法使用大神的库，从某种极端的意义上来说，与 CPython 相比，IronPython 就是个只能用肉身搏坦克的先天残疾。

想要让手上的 Python 发出最大的威力，使用那些属于 Python 的利器，你就需要绕过 IronPython 的封锁，奔向 CPython 的自由世界。

MVP

想在 Dynamo 中直接装 CPython？这是不现实的，不然就不会有 IronPython 这样折衷的存在了。

此路不通，换个思路。

我曾在教程「Dynamo 场地有限元分析」中提到过 MVP(Model-View-Present) 模式，简单来说就是让计算与显示，互不干涉，完全分离(为了简化介绍，此句并非 100% 标准)：

你不需要管我是怎么算了，你给我数据，我给你结果就行了

即 -- 把参数发给 计算者， 计算者 返回你结果。

有点迷？

最简单的，你日常浏览网页就是一个这样的过程(学习关键词 Socket)。

你在浏览器中输入了一串网页地址(URL，其中包含参数)，你按下回车，浏览器就把包含了参数的 URL 发给了网站的服务器，网站服务器再经过海量的计算(再海量，其计算时间都远小于1s)，把计算的结果返回给你，这就形成了你日常看到的网页。

比如你在 Bing 中搜索 「ArchiPython」，你的浏览器中的那一条 URL 中，就蕴含了大量需要完成本次搜索的参数，服务器计算了你提供的这些参数之后，才把所有本次运算的结果 -- 「含有ArchiPython的条目」返回给你。

想要用 CPython？你大可以模仿这种方式 -- 没错，我就是要你在 Dynamo 中，像访问网页一样使用 Cpython。

搭建一个使用 CPython 的本地服务器，接收 Dynamo 发来的含有参数的 URL，服务器计算出结果，再把计算的结果发回 Dynamo。都不用 Dynamo 中的电池做任何计算，让 Dynamo 成为一个纯显示端的存在。

Warning

以下需要有一定的计算机基础，本文对于纯建筑从业者与 BIMER 难度过大，望各位酌情阅读，取其精华，待到日后需要用的时候，可再将本文用作参考。

如果对技术细节无兴趣，请直接跳到意义部分。

---

搭建服务器

你只需要几行代码，就能使用 flask库，在 CPython 中搭建本地服务器：

from flask import Flask

__author__ = 'Vctcn93'

__publisher__ = 'ArchiPython'

app = Flast(__name__)

if __name__ == '__main__':

app.run()

这就是一个服务器，运行这个文件，你就开启了服务器。

你可以在这个服务器中实现一些功能，比如测试是否成功链接：

from flask import Flask

__author__ = 'Vctcn93'

__publisher__ = 'ArchiPython'

app = Flask(__name__)

@app.route('/connect')

def connect():

return '连接成功！'

if __name__ == '__main__':

app.run()

通过设置的 connect函数，你可以在浏览器中测试是否链接成功，如果连接成功，网页上就会显示出 连接成功 四个字。

值得注意的是，服务器只能返回字符串(Return a string)，如果你想将计算结果用于 Dynamo 中，还需要对服务器返回的数据进行加工，以确保其类型的正确。

同样，你也可以让服务器根据你所输入的参数，来计算出的结果，在脚本中添加一个 add 函数，让他求参数 a 和 参数 b 的和：

from flask import Flask, request

__author__ = 'Vctcn93'

__publisher__ = 'ArchiPython'

app = Flask(__name__)

@app.route('/connect')

def connect():

return '连接成功！'

@app.route('/add')

def add():

# 拿到 URL 中的参数

a = request.args.get('a')

b = request.args.get('b')

# 将他们还原成数字

a, b = eval(a), eval(b)

# 计算

result = a + b

# 只能返回字符串

return str(result)

if __name__ == '__main__':

app.run()

使用 add 函数：

如上，一条满足服务器计算的 URL，需要满足如下公式：

服务器地址 + 函数名称 + ? + 参数1=值 + & + 参数2=值 + & + 参数3=值 + & + ...

与服务器只能返回 String 的特性一样，你通过request get 到的参数也全是字符。

恭喜你，你现在已经成功突破了 Dynamo 的封锁！

基于以上代码，你就可以在这个 CPython 环境的服务器下，使用各种 Python 强大武器了，包括但不仅限于 Numpy，pandas等等。

在 Dynamo 中像在浏览器里一般发送接请求，就可以获得使用 CPython 计算的结果了！

在 Dynamo 中发请求：

由于 Dynamo 中的 Python 是 IronPython，所以其发送请求的方式是使用的 .NET 的库，与 CPython 有非常大的不同，这边送上 DynamoPythonScript 中实现的代码，不对细节作过多的涉猎：

# 启用 Python 支持和加载 DesignScript 库

import clr

clr.AddReference('ProtoGeometry')

from Autodesk.DesignScript.Geometry import *

# 该节点的输入内容将存储为 IN 变量中的一个列表。

dataEnteringNode = IN

# 将代码放在该行下面

# IronPython 库的环境变量，一般在这个位置

import sys

sys.path.append('C:/Program Files (x86)/IronPython 2.7/Lib')

from System.Net import WebRequest

from System.IO import StreamReader

from System.Text import Encoding

__author__ = 'Vctcn93'

__publisher__ = 'ArchiPython'

# 服务器地址

url = r'http://127.0.0.1:5000/'

# 可在在此处对 URL 进行编辑，使其支持参数

# 发送请求

request = WebRequest.Create(url)

# 获取计算的结果

response = request.GetResponse()

result = StreamReader(response.GetResponseStream()).ReadToEnd()

# 将输出内容指定给 OUT 变量。

OUT = result

开启服务器后，你只需要对那个 URL 做一定的修改，Dynamo 就能发送请求，收到结果了。

案例

在 CPython 中有一个使用 CAPI 开发的几何库，称为 shapely，它功能强大，运算速度极快，是目前 Python 世界中非常流行的几何库之一。绕开了 IronPython 的封锁后，你就可以通过服务器，使用 shapely 做相关的几何运算。

其运算速度一般比 Dynamo 自带电池快 1000 倍以上。

任务设计

设计一个函数，通过一条多段线(polyline)与精度(density)，返回一个均分的点矩阵(matrix)，写成代码如下：

def create_grid(polyline: List[list], deisty: float): -> List(list)

pass

代码

根据这个要求，你就可以开始搭建自己的服务器了，功能代码如下

import numpy as np

from flask import Flask, request

from shapely.geometry import Polygon, Point

__author__ = 'Vctcn93'

__publisher__ = 'ArchiPython'

app = Flask(__name__)

@app.route('/connect')

def connect():

return '连接成功！'

@app.route('/add')

def add():

# 拿到 URL 中的参数

a = request.args.get('a')

b = request.args.get('b')

# 将他们还原成数字

a, b = eval(a), eval(b)

# 计算

result = a + b

# 只能返回字符串

return str(result)

@app.route('/create_grid')

def create_grid():

# 获得polyline参数

polyline = request.args.get('polyline')

print(polyline)

# 获得density

density = request.args.get('density')

# 还原他们的类型

polyline, density = eval(polyline), eval(density)

# 获得图形信息

polygon = Polygon(polyline)

bbox = polygon.bounds

start_coords = bbox[:-2]

width = bbox[2] - bbox[0]

height = bbox[3] - bbox[1]

round_x = round(width / density)

round_y = round(height / density)

# 定义基本矢量

vector_right = np.array([density, 0])

vector_up = np.array([0, density])

vector_point_start = np.array(start_coords)

# 获得原始点矩阵

matrix = list()

for x in range(round_x):

for y in range(round_y):

vector_point = vector_point_start + vector_right * x + vector_up * y

point = Point(vector_point)

# 同时做判断，如果点在范围内

if polygon.contains(point):

matrix.append(point)

# 将结果输出为字符

result = [

list(p.coords)[0] for p in matrix

]

return str(result)

if __name__ == '__main__':

app.run()

在 Console 中运行这个脚本，然后你就可以在浏览器中输入参数来测试结果：

输入一个 polyline，其几何为 [[0,0],[100,0],[100,100],[0,100]]， density 为 10，求出其结果。

接下来使用 Dynamo 完成本次请求，并获得结果：

# 启用 Python 支持和加载 DesignScript 库

—

import clr

clr.AddReference('ProtoGeometry')

from Autodesk.DesignScript.Geometry import *

# 该节点的输入内容将存储为 IN 变量中的一个列表。

dataEnteringNode = IN

# 将代码放在该行下面

# IronPython 库的环境变量，一般在这个位置

import sys

sys.path.append('C:/Program Files (x86)/IronPython 2.7/Lib')

from System.Net import WebRequest

from System.IO import StreamReader

from System.Text import Encoding

__author__ = 'Vctcn93'

__publisher__ = 'ArchiPython'

# 服务器地址

url = http://127.0.0.1:5000/

url += 'creaet_grid?'

url += 'polyline=[[0,0],[100,0],[100,100],[0,100]]&'

url += 'density=10'

# 发送请求

request = WebRequest.Create(url)

# 获取计算的结果

response = request.GetResponse()

result = StreamReader(response.GetResponseStream()).ReadToEnd()

# 将结果处理为一个个的点:

points = [Point.ByCoordinates(*coords) for coords in eval(result)]

# 将输出内容指定给 OUT 变量。

OUT = points

真正实现 0 节点运算，仅靠服务器本身完成复杂的功能，Dynamo 在整个链条中，仅仅起到了显示的作用。

复杂一点

当然，你也可以使用 Dynamo 中的 Polyline 与 NumberSlider 来完成这项计算：

1. 在 Revit 中绘制一条红线

2. 将红线导入 Dynamo 中，设置 number slider，让 Density 参数可调

3. 修改部分代码，让链接地址随参数变化而变化

4. 此时，你便会得到一个响应速度极快的，使用 CPython 实时计算的点矩阵

意义

从表面上来看，这只是一个搭建服务器使用原生 Python 的方法，对于纯建筑人员来说，或许有些许难度，而对于程序员而言，这或许并不是什么很厉害的功能。

但是，这篇教程的意义，远不止搭建个服务器这么简单，而是我认为，这是未来几年极有可能的工作方式。

在这个案例之中，原本在传统工作流中起到计算作用的 Dynamo，完全沦为了显示结果的存在，所有的计算，都在我搭建的本地服务器完成了，我这次仅仅只是引入了少量矢量库，未来极有可能会引入计算机神经引擎(举例子)，众所周知，Dynamo 也好，Revit 也好，他们目前都是不支持的。

可是如果我能在任意软件使用自己开发的功能，我又何须要被他们的功能，他们的API锁死我自己的生产力？软件如果能做，则软件做；软件如果不能做，那么整个系统都可能会被时代抛弃掉！

5G时代将要来临了，人类的数据传输效率又将进入一个新的台阶，我相信云计算，一定会成为未来的主流。建筑师只需要把设计参数发送给云端，云端就能返回给你算好的结果，不再需要担心各种技术上的细枝末节的日子，将要来临了。未来他们在云上使用各种神奇的技术，也不足为奇。今天只是 Dynamo 成了我的显示端，但其实我可以用任何东西作为我的显示端，发展过于缓慢的技术，只有被淘汰的唯一命运，今天人人还趋之若鹜的技术新贵，明天就有可能被扫入历史的垃圾堆里。

这便是我不止一次的在多个场合呼吁，不要局限在软件层面，更不要被任何软件锁死的原因。

因为把别人的轮子玩得滚瓜烂熟，远不如自己掌握核心科技。

---

关注公众号 archipython，做一名会编程的建筑师。

Be a Architect Powered By Python