DotNetPy：现代.NET 与 Python 互操作 实战指南

常年深耕.NET生态的开发者，大多会遇到一个很实际的问题，那就是.NET在桌面开发、后端服务以及类型安全方面有着极强的优势，可碰到数据运算、AI推理、科学分析、爬虫脚本这类开发场景时，Python的生态优势又根本没法被替代，而想要让这两大技术栈结合使用，以往的互操作方案要么配置起来特别麻烦，要么兼容性很差，尤其是适配Native AOT、现代化文件式部署这类新功能的时候，整体使用起来更是力不从心。

今天要给大家介绍的DotNetPy，就是专门为现代.NET平台打造的轻量Python互操作工具，它能大幅简化.NET与Python之间的调用流程，既不用复杂的配置步骤，也不用编写多余的重复代码，就能实现进程内高效的双向互操作，还能完美兼容.NET 8及以上版本、Native AOT、文件式运行等多种现代化部署方式，这篇文章就带大家从零开始学习，全程结合实际操作，彻底掌握这套现代化的.NET与Python互操作方法。

一、DotNetPy 是什么？优势在哪？

DotNetPy（读音为 dot-net-pie）属于开源的.NET工具库，它的核心作用是搭建简单、贴合现代开发、低侵入的.NET与Python双向互操作能力，底层封装了Python C API，对外提供一套简洁好懂的托管调用接口，彻底丢掉了传统互操作方案里那些繁琐的配置步骤。

对比Python.NET、CSnakes这类同类型互操作工具，这款库的核心亮点十分明显：

• 不用写多余重复代码：不需要手动管理Python引擎的运行周期、GIL锁，API设计十分简洁，只需要短短几行代码就能完成整个调用流程

• 适配所有现代.NET版本：原生支持.NET 8/9/10各个版本，能完美实现Native AOT发布，同时还能兼容.NET 10文件式单文件运行的模式

• 环境打理更省事：自带uv集成功能，能够通过声明方式管控Python版本、依赖库文件，还能自动搭建好完整的Python运行环境

• 数据传递无阻碍：基础数据类型、集合、字典都能自动完成双向转换，不需要手动做序列化相关处理

• 自带安全检查：内置脚本注入检测功能，能够有效避开恶意脚本运行带来的安全隐患

说白了，以往需要编写几十行代码才能实现的.NET调用Python逻辑，借助DotNetPy只需要几行代码就能搞定，而且部署方式更灵活，版本之间的兼容效果也更好。

二、环境准备：快速搭建开发环境

1. 基础环境配置要求

• .NET SDK 8.0及以上版本（优先推荐.NET 10，体验文件式运行的相关功能）

• Python 3.10及以上版本（建议搭配uv工具，打理环境的效率会更高）

• Windows、Linux、macOS全平台都能正常使用

• 可以使用雨云（云服务器）作为搭建工具：每日签到，签到一个月可以换一周的云服务器，并且无限制，签到1年可以拿到3个月的云服务器时间，有国内、香港、美国、日本的云服务器可供选择，点击注册：雨云注册。

2. 项目引入DotNetPy依赖

新建控制台或者ASP.NET Core项目之后，大家可以通过NuGet安装核心程序包，同时也能根据自身需求安装UV集成扩展，这款扩展强烈推荐安装，能大幅简化Python环境的打理工作。

# 安装核心库 Install-Package DotNetPy # 安装UV环境管理扩展（可选，强烈推荐） Install-Package DotNetPy.Uv

安装完成之后，不需要再做额外的复杂配置，直接在代码里引用对应的命名空间，就可以开启后续的开发工作。

三、基础实战：.NET 调用 Python 核心用法

接下来我们从最简单的使用场景入手，一步步演示DotNetPy的核心使用方法，这些方法能够覆盖日常开发里的绝大多数业务场景。

1. 引擎初始化与基础表达式运行

第一步我们先完成Python引擎的初始化操作，DotNetPy既支持自动扫描本地的Python环境，也可以手动指定Python运行库的路径，能够很好适配离线部署这类特殊的使用场景。

using DotNetPy; // 方式1：自动探测本地Python环境（推荐，无需手动配置路径） Python.Initialize(); // 方式2：手动指定Python运行库路径（离线部署、指定特定Python版本时使用） // var pythonPath = @"C:\Python313\python313.dll"; // Python.Initialize(pythonPath); // 获取执行器实例 var executor = Python.GetInstance(); // 直接执行Python表达式，获取返回结果 var sumResult = executor.Evaluate("sum([1,2,3,4,5,6])")?.GetInt32(); Console.WriteLine($"表达式计算结果：{sumResult}"); // 执行简单Python语句 executor.Execute("print('Hello from Python!');

运行项目之后，大家可以直接看到Python的输出内容以及表达式的运算结果，全程没有任何多余的代码，新手也能毫无门槛快速上手。

2. 传输.NET数据至Python，运行复杂脚本

日常开发过程中，我们大多需要将.NET中的数据传递给Python，调用Python各类库完成运算处理后，再将结果回传到.NET端，而DotNetPy支持字典形式传递参数，还能自动完成数据类型的映射转换。

// 构造.NET数据 var scoreList = new[] { 88, 92, 76, 98, 85, 90 }; // 编写Python脚本，接收参数并计算 var pythonScript = @" import statistics # 接收.NET传入的data参数，完成统计计算 avg_score = statistics.mean(data) max_score = max(data) min_score = min(data) # 将结果存入result字典，方便.NET捕获 result = { 'avg': avg_score, 'max': max_score, 'min': min_score } "; // 执行脚本并捕获result变量 using var result = executor.ExecuteAndCapture( pythonScript, // 以字典形式传递参数，key对应Python中的变量名 new Dictionary<string, object?> { { "data", scoreList } } ); // 从Python结果中获取数据，强类型转换 var avg = result?.GetDouble("avg"); var max = result?.GetInt32("max"); var min = result?.GetInt32("min"); Console.WriteLine($"平均分：{avg:F2}，最高分：{max}，最低分：{min}");

这种调用方式灵活性极强，不管是数组、列表、字典还是基础数据类型，都能实现无缝传递对接，Python脚本编写完成后可以直接嵌入.NET代码中，不需要单独维护独立的.py脚本文件。

3. 调用Python第三方库（NumPy/Pandas/AI模型）

DotNetPy最核心的价值，就是让.NET开发者能够轻松调用Python体系中庞大的第三方资源，拿日常开发常用的NumPy来说，大家只需要在Python脚本中导入对应模块，就能正常使用相关功能。

var numpyScript = @" import numpy as np # 使用NumPy进行数组计算 arr = np.array(data) result = { 'mean': np.mean(arr), 'std': np.std(arr), 'sum': np.sum(arr) } "; var data = new double[] { 1.2, 2.3, 3.4, 4.5, 5.6 }; using var numpyResult = executor.ExecuteAndCapture(numpyScript, new Dictionary<string, object?> { { "data", data } }); Console.WriteLine($"均值：{numpyResult?.GetDouble("mean"):F2}，标准差：{numpyResult?.GetDouble("std"):F2}");

小贴士：大家提前通过pip或者uv工具安装好对应的Python依赖库，就能正常调用相关功能，Pandas、Scikit-learn、PyTorch模型推理等场景的使用方式也完全一致。

四、进阶实战：声明式Python环境管理

项目部署上线的时候，Python环境不统一、依赖包版本不一致一直是让人头疼的问题，而DotNetPy自带UV集成功能，能够在.NET代码中通过声明方式打理Python环境，自动下载Python安装包、创建虚拟环境、安装第三方依赖，从根本上解决环境不一致的难题。

using DotNetPy; using DotNetPy.Uv; // 构建Python环境配置 var pythonProject = PythonProject.CreateBuilder() .WithProjectName("dotnet-python-demo") // 指定Python版本要求 .WithPythonVersion(">=3.10") // 声明需要安装的Python依赖包 .AddDependencies("numpy>=1.24.0", "pandas>=2.0.0") .Build(); // 自动初始化环境：下载Python、创建虚拟环境、安装依赖 await pythonProject.InitializeAsync(); // 获取专属执行器 var uvExecutor = pythonProject.GetExecutor(); // 后续调用逻辑和基础用法完全一致 var testData = new[] { 1, 2, 3, 4, 5 }; using var res = uvExecutor.ExecuteAndCapture(@" import numpy as np result = {'sum': np.sum(data)} ", new Dictionary<string, object?> { { "data", testData } }); Console.WriteLine($"NumPy求和结果：{res?.GetInt32("sum")}");

这种方式特别适合团队协作和服务器批量部署，不需要手动配置Python环境，运行项目时会自动完成环境搭建，彻底杜绝本地运行正常、部署上线就报错的尴尬情况。

五、生产环境注意事项

1. 安全问题

DotNetPy运行Python脚本的权限和.NET进程完全相同，因此严禁直接运行用户输入的未知脚本，以此防范代码注入带来的安全漏洞，正确的处理方式是固定Python脚本的逻辑，只通过参数传递用户数据，不要让用户自定义脚本逻辑。

// 错误用法：直接执行用户输入，存在极大安全风险 // uvExecutor.Execute(userInput); // 正确用法：脚本固定，仅传递参数 uvExecutor.Execute("result = sum(numbers)", new Dictionary<string, object?> { { "numbers", userData } });

2. 资源释放

ExecuteAndCapture方法返回的结果对象，全都实现了IDisposable接口，建议大家搭配using语句使用，这样就能自动释放Python对象资源，避免出现内存泄漏的问题。

3. Native AOT发布

DotNetPy本身就支持Native AOT发布，大家只需要在项目配置文件中开启PublishAot选项，就能打包成原生单文件程序，部署的时候不需要安装.NET运行时，再配合UV环境打理功能，就能实现全程离线部署。

六、适用场景总结

DotNetPy非常适用于以下几类.NET开发场景：

• .NET后端服务调用Python AI模型、数据分析处理相关功能

• 桌面客户端集成Python脚本、爬虫、数据处理相关业务逻辑

• 需要Native AOT、轻量部署的互操作开发场景

• 不想编写冗余互操作代码、追求简洁开发的各类场景

对比传统的互操作方案，这款工具在现代版本适配、轻量化使用、上手难度方面优势显著，也是当下.NET生态中，适配现代化开发流程的优质互操作工具。

七、写在最后

如今跨语言开发越来越普遍，.NET与Python结合使用，能让项目同时具备出色的运行性能和完善的生态支持，而DotNetPy凭借简洁的设计，打通了两大技术栈之间的调用壁垒，不管是开发日常小工具，还是上线生产环境的项目，都能轻松上手且稳定运行。

这篇文章完整讲解了从基础入门到生产部署的全流程实战内容，大家可以直接复制代码运行测试，快速将这项技术应用到自身项目中，后续我也会持续分享更多.NET与Python互操作的实战案例，欢迎大家留言交流探讨。