另一个库是 rust-cpython。与 PyO3 一样， rust-cpython允许Python 和 Rust 之间的交互，但重点略有不同。虽然 PyO3 试图使 Python 的互操作性尽可能简单，但 rust-cpython 更专注于提供类似 Python 的 API。不过，该项目现已停止，建议使用 PyO3 代替。
Tokenizers 是一个 Python 库，可实现自然语言文本的高效标记化。许多自然语言处理库都使用它，包括 Hugging Face Transformers 和 spaCy。 Tokenizers 使用 Rust 编程语言来实现其性能关键组件，例如字节级编码和解码。 Aleph Alpha 还用 Rust 编写了它的 tokenizer。使用 Rust 可以让分词器在保持内存安全的同时实现高性能。尽管 Tokenizers 是用 Python 编写的，但 Rust 仅用于性能关键的部分。这种方法将 Python 的灵活性和简单性与 Rust 的速度和安全性结合起来，实现了自然语言文本的高效和安全处理。
在 Python 中使用的示例，但其背后是 Rust 实现：
近年来，JavaScript 开发者社区在提高其软件的执行速度方面表现出了非 医院联系清单 凡的承诺。 Python 开发者社区是时候考虑类似的战略方向了。用 Rust、Go 和 Zig 等更强大的编程语言开发的“swc”、“esbuild”、“Bun”和“Rome”等工具显着提高了 JavaScript 工具链的性能。这种协同努力通常被称为 JavaScript 工具链的“Rust 认证”，表明 Python 工具也可以利用来提高性能的巨大潜力。
Charlie Marsh 通过展示“Ruff”证实了这一点，这是一个用 Rust 编写的 Python linter。事实证明，Ruff 比同类工具快得多：比 macOS 上的 Flake8 快约 150 倍（或者在启用 Flake8 多处理时快约 25 倍），比 pycodestyle 快约 75 倍，比 pyflakes 和 pylint 快约 50 倍。尽管 Ruff 是用 Rust 开发的，但它可以无缝集成到 Python 环境中，并且可以像任何其他基于 Python 的命令行工具一样使用“pip install”命令进行安装。这是由于 Ruff 中使用了 Python 绑定。
Ruff 的结果强调了混合使用 Rust 和 Python 的好处，并为优化 Python 工具链开辟了新途径。他们强化了这样的想法：“生锈化”已经在 JavaScript 社区中带来了令人印象深刻的性能提升，也可能在 Python 社区中获得关注。