你好，这里是BIMBOX。
我们的老朋友，建筑学和计算机双修的小神仙@VCTCN93又来BOX分享了。
当我问到他这次打算聊点啥，VCTCN93说，100%原创首发，聊一个很多人还不知道的事，可能有点超前，但他相信代表了未来的工作方式：给Dynamo搭一个服务器，让它成为真正的变形金刚。
下面的文章，代码部分你可以照着实操一下，绝对可以验证；如果你从来没写过Python、甚至没用过Dynamo，也完全可以跳过代码部分，看这套方法背后的思想，还能给给涨点谈资。
Let’s rock it.
很多人不知道，Python 有很多不同的版本，比如 CPython、 Jython、 RPython 与 IronPython 等等。一般大家口中所说的 Python，默认代指的是标准版CPython，基于C语言实现，能够兼容诸多 CAPI。CAPI是什么你不需要知道，只需要知道这些 CAPI 几乎无所不能，运行速度极快，于是大神们便通过它们，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。
如果你去看大神们写的Python代码，会经常看到它们经常以这样的语句开头：from pyecharts.charts import Bar
import plotly.express as px
这里的 import 某某，就是在召唤某个强大的第三方库进入python，你可以把它理解为一个别人写好的插件，不需要知道它的工作原理，只要载进来，就能帮你做到很多厉害的事。比如，使用第三方库 pandas_profiling ，你只需要一行代码，就能做出一份完整的数据报表。import pandas as pd
import pandas_profiling
#前两行是导入，命令就下面一行
df = pd.read_csv(‘churn.csv’)
可以说，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。
前面我们说的是标准版 CPython，遗憾的是，Windows平台下的很多设计软件，比如我们熟知的 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。它从一出生就注定了无法使用大神们创造的强大第三方武器。从某种意义上来说，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。
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。我曾在教程「Dynamo 场地有限元分析」课程中提到过 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，把参数发给计算者，计算者返回你结果。用大白话来解释就是：你不需要管我是怎么计算的，你给我数据，我给你结果就行了。举个最简单的例子，你日常浏览网页就是一个这样的过程。你在浏览器中输入了一串网页地址，按下回车，浏览器就把包含了参数的 URL 地址发给了网站的服务器，服务器再经过海量的计算，把计算的结果返回给你，这就形成了你日常看到的网页。有些 URL 不仅是一个网站的地址，还包括一定的运算规则。比如你在搜索引擎中搜索 「ArchiPython」，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 ，也就是「含有ArchiPython的条目」返回给你。想要摆脱 IronPython 的束缚，使用 CPython？我们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。我们的思路是，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。整个过程，其实是完全不用 Dynamo 中的电池做任何计算，而是让 Dynamo 成为一个纯显示端的存在。云负责计算有所数据，本地负责显示所有结果，这也就是云计算的基本思想。高能预警：下面开始出现代码，没有基础的小白同学可以跳着看看热闹。日后用到的时候，再回来看源代码做参考。
前面我们说到了CPython 强大的第三方库，接下来要干的活儿自然也少不了它的帮忙。你只需要几行代码，就能使用 flask 库，在 CPython 中搭建本地服务器：fromflaskimportFlask
__publisher__ = ‘ArchiPython’
app=Flast(__name__)
if__name__=='__main__':
app.run()
诺，服务器就这么简单的搭好了，运行这个文件，你就开启了服务器。
图中Running on http://后边是一串服务器的地址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：fromflaskimportFlask
__author__ = ‘Vctcn93’
__publisher__ = ‘ArchiPython’
app=Flask(__name__)
@app.route('/connect')
defconnect():
return'连接成功！'
if__name__=='__main__':
app.run()
通过设置的 connect 函数，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 (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。在脚本中添加一个 add 函数，让他求参数 a和 参数 b 的和：总结说来，一条满足服务器计算的 URL，需要满足如下公式：
与服务器只能返回字符串的特性一样，你通过请求（request）得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，比如大名鼎鼎的 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。
由于 Dynamo 中的 Python 是 IronPython，所以它发送请求的方式是使用 .NET 的库，与 CPython 有非常大的不同，我们需要把发送和接受转化成 CPython 的方式，下面直接送上 DynamoPythonScript 中实现的代码：（代码中带有#的灰色行是代码说明）# 启用 Python 支持和加载 DesignScript 库
importclr
clr.AddReference('ProtoGeometry')
fromAutodesk.DesignScript.Geometryimport*
# 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
importsys
sys.path.append('C:/Program Files (x86)/IronPython 2.7/Lib')
fromSystem.NetimportWebRequest
fromSystem.IOimportStreamReader
fromSystem.TextimportEncoding
__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。
下面我们来试试具体能做些什么，抛砖引玉，欢迎大家迸发新的灵感。
在 CPython 中有一个几何库，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。运算速度一般比 Dynamo 自带电池快 1000 倍以上。
我们来设计一个函数，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：defcreate_grid(polyline:List[list],deisty:float):->List(list)
pass
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：importnumpyasnp
fromflaskimportFlask,request
fromshapely.geometryimportPolygon,Point
__author__ = ‘Vctcn93’
__publisher__ = ‘ArchiPython’
app=Flask(__name__)
@app.route('/connect')
defconnect():
return'连接成功！'
@app.route('/add')
defadd():
# 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
returnstr(result)
@app.route('/create_grid')
defcreate_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()
forxinrange(round_x):
foryinrange(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
ifpolygon.contains(point):
matrix.append(point)
# 将结果输出为字符
result=[
list(p.coords)[0]forpinmatrix
]
returnstr(result)
if__name__=='__main__':
app.run()
在 Console 中运行这个脚本，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 发送这次请求，并获得服务器返回的结果：# 启用 Python 支持和加载 DesignScript 库
—
importclr
clr.AddReference('ProtoGeometry')
fromAutodesk.DesignScript.Geometryimport*
# 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
importsys
sys.path.append('C:/Program Files (x86)/IronPython 2.7/Lib')
fromSystem.NetimportWebRequest
fromSystem.IOimportStreamReader
fromSystem.TextimportEncoding
__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)forcoordsineval(result)]
# 将输出内容指定给 OUT 变量。
OUT=points
到这一步，我们就真正实现了 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。
你也可以使用 Dynamo 中的 Polyline 与 NumberSlider 来完成这项计算：➤ 将红线导入 Dynamo 中，设置 number slider，让 Density 参数可调。➤ 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。
从表面上来看，这只是一个通过搭建服务器，跳出 Dynamo 自带的 IronPython，实现使用原生 Python 牛哄哄功能的方法。这对于纯建筑人员来说或许有些许难度，而对于程序员而言，或许并不是很厉害的功能。但是，这篇分享的意义，远不止搭建个服务器这么简单。VCTCN93 认为，「本地客户端只负责显示，运算交给云端」，这极有可能是未来几年越来越普及的工作方式。在这个案例之中，在传统工作流中起到计算作用的 Dynamo，完全成为了显示结果的存在，所有的计算，都在服务器上完成了。这次的分享仅仅只是引入了少量矢量库，未来有可能会引入计算机神经引擎，而正如我们前面所说的，Dynamo 也好，Revit 也好，目前都是不支持这些尖儿货的。如果我们能在任意软件使用自己开发的功能，又何须要被软件本身的功能和API锁死自己的生产力呢？软件如果能做，那就用软件做；软件如果不能做，那么我就只把它当做显示工具，整个系统都可能会被时代抛弃掉。往大点的方向说，5G时代将要来临了，人类数据传输的效率又将进入一个新的台阶，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，企业对于软件功能和硬件性能的升级，也只对应着云端服务器，能大量节省本地的资源。今天只是 Dynamo 成了我们的显示端，但其实我可以用任何东西作为我的显示端。如果一个工程师说「这件事我做不了，因为软件没有这个功能」，他就是被软件功能锁死了。软件本身应该为工程师的自身业务服务，而不是由工程师去迁就软件功能划出的地牢。和很多建筑圈的计算机大牛一样，VCTCN93 曾经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。因为把别人造好的轮子玩得滚瓜烂熟，远不如自己掌握核心科技。很多人会说，工程师是做设计、做施工的，凭啥去学 Dynamo、学Python？每个人当然有权不学，我们希望的是，至少人们知道自己脚下的边界在哪里，边界之外，还有多广阔的天地。今天你至少收获了一个谈资：下次别人再告诉你学 Dynamo 要把 Python 玩儿溜，你可以反问一句：你说的是 CPython 还是 IronPython ？ IronPython 可不够用啊！关于云计算是怎么回事，它的发展和未来，我们在《精读10本好书中的20项新科技》这门音频课程里专门有一节讲到了它，特地拿出来给你设置成免费收听，感兴趣的话可以听听看。作为BIMBOX小伙伴里的建筑+计算机双修撑场专员，再次向你诚意推荐 VCTCN93 的《Dynamo可视化脚本思维课》，能帮你打开一片为所欲为的新天地。另外，VCTCN93 和BOX合作的 Dynamo+Python 工程师自我提升课程，也在积极筹备中，各位小伙伴有哪方面的实际需求，也欢迎给我们留言，帮助我们打造一套有价值的好教程。
