Fluent开发｜03 为何要改用Python？

为何Fluent要用Python脚本而非继续沿用使用了几十年的Scheme脚本？

要说Fluent的开发环境，也的确是够乱的。UDF使用C/C++，界面和TUI使用Scheme，内部表达式又是用另外一种自己定义的语法结构。混乱的工具带来的是学习成本的增加。不过自从PyANSYS推出后，ANSYS的各模块也加速向Python靠拢，这当然也包括Fluent。

注：说起ANSYS的各模块开发使用的编程语言就更乱了，有javascript（如Mechanical、Meshing）、python（如SpaceClaim）、Scheme（如Fluent）、C（如Fluent）、Fortran（如CFX）、Tcl/Tk（如ICEM CFD）、CCL（如CFX、CFD-Post）等等，真的是一个群魔乱舞。做过ANSYS Workbench开发的人一干一个不吱声。不过就目前的趋势来看，这些模块都有向Python靠拢的迹象。

”

Python和Scheme都是解释型编程语言，也都常被用作大型软件的脚本语言。不过相比较Python而言，Scheme就显得非常小众了（Scheme语言是Lisp语言的一个方言分支）。在TIOBE计算机语言排行榜上，2025年3月份，Python高居第一，而Scheme排名第92位，Lisp排名第23位（见tiobe官网 https://www.tiobe.com/tiobe-index/） ，虽然榜单排名不能直接说明语言的功能强弱，但却可以反映出软件的受欢迎程度，也可以反映出语言的生态。

从以下一些方面进行简单比较Python与Scheme：

1. 语法设计

从语法设计的角度看，Python采用主流的命令式语法，其表达方式更接近于人类的自然语言，读起来更加方便，如python表达式a*b + c更符合人类的数学直觉。而Scheme语言使用前缀表达式（如(+ (* a b) c)），并且以大量的圆括号进行表达，对于新手极不友好。

2. 编程范式

Python可以支持多种范式（面向对象、过程式、函数式）。Scheme以函数式编程为核心。

3. 执行效率

同为解释型语言，Python与Scheme的执行效率都不算太高，不过它们都可以通过一些优化措施提高性能。但是在用于脚本程序时，制约效率的从来都不是脚本自身的执行速度。

4. 标准库与第三方支持

Python拥有庞大的标准库和第三方生态（如PyPI近40万个包），内容覆盖Web开发、数据科学、AI等领域。Scheme缺乏统一的标准库。

5. 社区与资源

Python拥有活跃的社区和丰富的教程，在工业界应用非常广泛。Scheme的社区较小，资源多集中于学术领域，实际项目支持较少。

再结合Fluent中脚本的使用方式进行考虑。我们在Fluent中使用脚本无外乎以下几个场景：

1. 降低重复性操作。将GUI操作转换成脚本，这样就可以利用读入脚本的方式代替GUI的鼠标和键盘操作。而且脚本文件容易修改和阅读，用于同行之间技术交流也挺不错。就可读性而言，Python显然更有优势。
2. 控制操作流程。有时需要在脚本中实现一些判断、循环等操作。Scheme语言没有循环语句，其使用递归来代替循环。这在通用编程中问题不太大，但是在脚本流程控制中就显得极为不便了。而Python显然更容易实现循环。
3. 界面扩展。比如对现有的软件界面进行扩充，开发适合自己的工作界面。Scheme其实并不适合于开发界面，其界面开发需要依赖于Fluent原始内核，因为Fluent的GUI界面是通过Scheme开发的。比较麻烦的是，Fluent的GUI细节并不透明，现在想要开发Fluent GUI只能依赖于其提供的简易文档。而Python用于开发GUI的库就太多了，轻量级的Tkinter，中量的wxPython，重量的PyQt或PySide，这些都足以应付常规的GUI开发问题。

另外，将脚本语言从Scheme转换成Python，也更有利于与ANSYS其他模块之间的协同。

（完）