什么是模块
- 使用python编写的代码(.py文件)
- 已被编译为共享库或DLL的C或C++扩展
- 包好一组模块的包
- 使用C编写并链接到python解释器的内置模块
为何要使用模块
实现代码和功能的复用
import 自定义模块my_module.py
文件名my_module.py,模块名my_module
# my_module.py
print('from the my_module.py')
money = 100
def read1():
print('my_module->read1->money',money)
def read2():
print('my_module->read2 calling read1')
read1()
def change():
global money
money=0
模块可以包含可执行的语句和函数的定义,这些语句的目的是初始化模块,它们只在模块名第一次遇到导入import语句时才执行(import语句是可以在程序中的任意位置使用的,且针对同一个模块很import多次,为了防止你重复导入。
python的优化手段是:第一次导入后就将模块名加载到内存了,后续的import语句仅是对已经加载大内存中的模块对象增加了一次引用,不会重新执行模块内的语句)
import my_module
import my_module
import my_module
import my_module
import sys
print(sys.modules())
# sys.modules是一个字典,内部包含模块名与模块对象的映射,该字典决定了导入模块时是否需要重新导入。
每个模块都是一个独立的名称空间,定义在这个模块中的函数,把这个模块的名称空间当做全局名称空间,这样我们在编写自己的模块时,就不用担心我们定义在自己模块中全局变量会在被导入时,与使用者的全局变量冲突
import my_module
money=10
print(my_module.money)
import my_module
def read1():
print('=========')
my_module.read1()
import my_module
money = 1
my_module.change()
print(money)
print(my_module.money)
总结:首次导入模块my_module时会做三件事:
为源文件(my_module模块)创建新的名称空间,在my_module中定义的函数和方法若是使用到了global时访问的就是这个名称空间。
在新创建的命名空间中执行模块中包含的代码
创建名字my_module来引用该命名空间
为模块名起别名,相当于m1=1;m2=m1
import my_module as mm
print(mm.money)
示范用法:
有两中sql模块mysql和oracle,根据用户的输入,选择不同的sql功能
# mysql.py
def sqlparse():
print('from mysql sqlparse')
# oracle
def sqlparse():
print('from oracle sqlparse')
# test.py
db_type=input('>>: ')
if db_type == 'mysql':
import mysql as db
elif db_type == 'oracle':
import oracle as db
db.sqlparse()
在一行导入多个模块
import sys.os.re
from … import …
对比import my_module,会将源文件的名称空间’my_module’带到当前名称空间中,使用时必须是my_module.名字的方式
而from 语句相当于import,也会创建新的名称空间,但是将my_module中的名字直接导入到当前的名称空间中,在当前名称空间中,直接使用名字就可以了
from my_module import read1,read2
money = 1000
read1()
# 导入的函数read1,执行时仍然回到my_module.py中寻找全局变量money
from my_module import read1,read2
money = 1000
def read1():
print('*'*10)
read2()
# 导入的函数read2,执行时需要调用read1(),仍然回到my_module.py中找read1()
from my_module import read1,read2
money = 1000
def read1():
print('*'*10)
read1()
# 导入的函数read1,被当前位置定义的read1覆盖掉了
from my_module import read1 as read
read()
# 也支持as
from mymodule import * 把my_module中所有的不是以下划线()开头的名字都导入到当前位置
大部分情况下我们的python程序不应该使用这种导入方式,因为*你不知道你导入什么名字,很有可能会覆盖掉你之前已经定义的名字。而且可读性极其的差,在交互式环境中导入时没有问题。
在my_module.py中新增一行
.....
__all__ = ['money','read1']
# 这样在另外一个文件中用from my_module import *就这能导入列表中规定的两个名字
# test.py
from my_module import *
print(money)
read1()
read2()
注意:如果my_module.py中的名字前加_,即_money,则from my_module import *,则_money不能被导入
- 编写好的一个python文件可以有两种用途:
- 脚本,一个文件就是整个程序,用来被执行
- 模块,文件中存放着一堆功能,用来被导入使用
- python为我们内置了全局变量
__name__
,
- 当文件被当做脚本执行时:
__name__ 等于'__main__'
- 当文件被当做模块导入时:
__name__等于模块名
- 作用:用来控制.py文件在不同的应用场景下执行不同的逻辑(或者是在模块文件中测试代码)
if __name__ == '__main__':
def fib(n):
a, b = 0, 1
while b < n:
print(b, end=',')
a, b = b, a+b
print()
if __name__ == "__main__":
print(__name__)
num = input('num :')
fib(int(num))
模块的搜索路径
模块的查找顺序是:内存中已经加载的模块->内置模块->sys.path路径中包含的模块
- 在第一次导入某个模块时(比如my_module),会先检查该模块是否已经被加载到内存中(当前执行文件的名称空间对应的内存),如果有则直接引用
ps:python解释器在启动时会自动加载一些模块到内存中,可以使用sys.modules查看 - 如果没有,解释器则会查找同名的内建模块
- 如果还没有找到就从sys.path给出的目录列表中依次寻找my_module.py文件。
编译python文件
为了提高加载模块的速度,python解释器会在__pycache__
目录中下缓存每个模块编译后的版本,格式为:module.version.pyc。通常会包含python的版本号。例如,在CPython3.3版本下,mymodule.py模块会被缓存成`_pycache/my_module.cpython-33.pyc`。这种命名规范保证了编译后的结果多版本共存。
包
包就是一个包含有__init__.py
文件的文件夹,所以其实我们创建包的目的就是为了用文件夹将文件/模块组织起来
需要强调的是:
在python3中,即使包下没有
__init__.py
文件,import 包仍然不会报错,而在python2中,包下一定要有该文件,否则import 包报错创建包的目的不是为了运行,而是被导入使用,记住,包只是模块的一种形式而已,包的本质就是一种模块
为何要使用包
包的本质就是一个文件夹,那么文件夹唯一的功能就是将文件组织起来
随着功能越写越多,我们无法将所以功能都放到一个文件中,于是我们使用模块去组织功能,而随着模块越来越多,我们就需要用文件夹将模块文件组织起来,以此来提高程序的结构性和可维护性
注意事项
关于包相关的导入语句也分为
import
和from ... import ...
两种,但是无论哪种,无论在什么位置,在导入时都必须遵循一个原则:凡是在导入时带点的,点的左边都必须是一个包,否则非法。可以带有一连串的点,如item.subitem.subsubitem
,但都必须遵循这个原则。但对于导入后,在使用时就没有这种限制了,点的左边可以是包,模块,函数,类(它们都可以用点的方式调用自己的属性)。import导入文件时,产生名称空间中的名字来源于文件,import 包,产生的名称空间的名字同样来源于文件,即包下的
__init__.py
,导入包本质就是在导入该文件包A和包B下有同名模块也不会冲突,如A.a与B.a来自俩个命名空间
包的使用
示例文件
glance/ #Top-level package
├── __init__.py #Initialize the glance package
├── api #Subpackage for api
│ ├── __init__.py
│ ├── policy.py
│ └── versions.py
├── cmd #Subpackage for cmd
│ ├── __init__.py
│ └── manage.py
└── db #Subpackage for db
├── __init__.py
└── models.py
文件内容
#文件内容
#policy.py
def get():
print('from policy.py')
#versions.py
def create_resource(conf):
print('from version.py: ',conf)
#manage.py
def main():
print('from manage.py')
#models.py
def register_models(engine):
print('from models.py: ',engine)
使用import导入包
import glance.db.models
# 在导入glance的时候会执行glance下的__init__.py中的代码
glance.db.models.register_models('mysql')
单独导入包名称时不会导入包中所有包含的所有子模块
import glance
glance.cmd.manage.main()
解决方法
# glance/__init__.py
from . import cmd
# glance/cmd/__init__.py
from . import manage
使用from … import …
需要注意的是from后import导入的模块,必须是明确的一个不能带点,否则会有语法错误,如:from a import b.c
是错误语法
from glance.db import models
from glance.db.models import register_models
models.register_models('mysql')
register_models('mysql')
from glance.api import *
想从包api中导入所有,实际上该语句只会导入包api下__init__.py
文件中定义的名字,我们可以在这个文件中定义__all__
x = 10
def func():
print('from api.__init.py')
__all__=['x','func','policy']
from glance.api import *
func()
print(x)
policy.get()
绝对导入和相对导入
- 绝对导入:以glance作为起始
- 相对导入:用.或者..的方式最为起始(只能在一个包中使用,不能用于不同目录内)
绝对导入: 以执行文件的sys.path为起始点开始导入,称之为绝对导入
- 优点: 执行文件与被导入的模块中都可以使用
- 缺点: 所有导入都是以sys.path为起始点,导入麻烦
相对导入: 参照当前所在文件的文件夹为起始开始查找,称之为相对导入
- 符号: .代表当前所在文件的文件加,..代表上一级文件夹,…代表上一级的上一级文件夹
- 优点: 导入更加简单
- 缺点: 只能在导入包中的模块时才能使用
注意:
- 相对导入只能用于包内部模块之间的相互导入,导入者与被导入者都必须存在于一个包内
- 试图在顶级包之外使用相对导入是错误的,言外之意,必须在顶级包内使用相对导入,每增加一个.代表跳到上一级文件夹,而上一级不应该超出顶级包