1Python标准库系列之模块介绍

简介:

Python标准库系列之模块介绍


Python的模块其实就是封装了一个或者多个功能的代码集合,以便于重用,模块可以是一个文件也可以是一个目录,目录的形式称作


模块分类

内置模块

内置模块可以理解成当你安装好python环境之后,直接可以使用import导入的就是内置模块,默认模块路径为:C:\Python35\lib,你也可以通过以下方式获取内置模块的路径:

1
2
3
4
5
6
7
8
9
10
11
12
13
  # 导入sys模块
  >>>  import  sys
  # 最后一个目录就是内置模块的路径
  >>>  for  in  sys.path:
  ...   print (n)
  ...
  
C:\Python35\lib\site - packages\pip - 8.1 . 1 - py3. 5.egg
C:\Python35\python35. zip
C:\Python35\DLLs
C:\Python35\lib
C:\Python35
C:\Python35\lib\site - packages

第三方模块

第三方模块通常是开发者自己编写的模块,然后提交到python官方的库中,这样我们就可以下载安装使用了,默认安装目录为C:\Python35\lib\site-packages

自定义模块

自己编写的模块

模块的导入方式

把一个模块当做成一个整体来进行导入

import sys

从一个模块中导入特定的变量或者是方法

from sys import path

调用的时候直接使用方法名path

1
2
>>> path
[' ', ' C:\\Python35\\lib\\site - packages\\pip - 8.1 . 1 - py3. 5.egg ', ' C:\\Python35\\python35. zip ', ' C:\\Python35\\DLLs ', ' C:\\Python35\\lib ', ' C:\\Python35 ', ' C:\\Python35\\lib\\site - packages']

给导入的模块或者方法起一个别名

1
from  sys  import  path as path_alias

调用的时候使用别名path_alias

1
2
>>> path_alias
[' ', ' C:\\Python35\\lib\\site - packages\\pip - 8.1 . 1 - py3. 5.egg ', ' C:\\Python35\\python35. zip ', ' C:\\Python35\\DLLs ', ' C:\\Python35\\lib ', ' C:\\Python35 ', ' C:\\Python35\\lib\\site - packages']

添加默认的环境变量,当前生效

1
sys.path.append( "PATH_NAME" )

可以使用imp模块中的reload方法重新载入某个模块的方法,例如下面的实例:

1
2
3
4
5
$ cat simple.py 
#!/use/bin/env python
 
print ( 'Hello, World!' )
spam  =  1
1
2
3
4
5
6
7
8
9
10
11
12
13
14
>>>  import  simple
Hello, World!
>>> simple.spam
1
>>> simple.spam  + =  1
>>>  import  simple
>>> simple.spam
2
>>>  import  imp
>>> imp. reload (simple)
Hello, World!
<module  'simple'  from  '/Users/ansheng/simple.py' >
>>> simple.spam
1

模块导入顺序

  1. 先在当前脚本目录寻找有没有与导入模块名称相同的文件,如果有就把这个文件当作模块导入(据不完全统计,这是个坑,测试re模块没有问题,但是测试sys模块就有问题了)

  2. 查找模块路径下面有没有对应的模块名

  3. 如果没有找到模块名就报错

import是如何工作的?

模块在被导入的时候会执行以下三个步骤:

  1. 通过环境变量找到模块文件;

  2. 编译成字节码文件,如果有字节码文件则导入字节码文件;

  3. 执行模块中的代码来创建所定义的对象;

以上的三个步骤只有在程序运行时,模块被第一次导入时才会进行。如果已经导入了这个模块然后再次导入的时候会跳过上面的三个步骤,它会直接提取内存中已经加载的模块对象。Python已经导入的模块会保存在sys.modules字典中。

_X与__all__

在模块中的所有变量以_开头的都不会被from *所导入

1
2
3
4
5
$ cat simple.py 
#!/use/bin/env python
 
_spam1  =  1
spam2  =  1
1
2
3
4
>>>  from  simple  import  *
>>>  dir ()
# _spam1没有被导入
[ '__builtins__' '__doc__' '__name__' '__package__' 'spam2' ]

相反的__all__列表里面的变量则会被from *所导入,没有在__all__列表里面的变量则不会被导入

1
2
3
4
5
6
7
$ cat simple.py
#!/use/bin/env python
 
__all__  =  [ 'spam2' ]
 
spam1  =  1
spam2  =  1
1
2
3
4
>>>  from  simple  import  *
>>>  dir ()
# spam1没有被导入
[ '__builtins__' '__doc__' '__name__' '__package__' 'spam2' ]

注意事项

据不完全统计,如果导入的模块的名称在当前目录下有这个文件,那么只会把当前目录下的这个文件当作模块,如下演示:

创建一个脚本文件,名称为scripts

1
[root@iZ28i253je0Z ~] # touch scripts.py

内容为

1
2
3
4
5
6
#!/usr/bin/env python
# _*_ coding:utf-8 _*_
# 导入一个模块re
import  re
# 输出匹配到的字符串abc
print (re.match( '\w+' , "abc" ).group())

执行脚本

1
2
3
[root@iZ28i253je0Z ~] # python scripts.py 
# 把匹配到的结果abc输出出来
abc

创建一个.py文件,名称为re.py

1
[root@iZ28i253je0Z ~] # touch re.py

内容为

1
2
3
4
#!/usr/bin/env python
# _*_ coding:utf-8 _*_
# 输出内容modus
print ( "Hello Word" )

再次执行scripts.py脚本

1
2
3
4
5
6
7
8
[root@iZ28i253je0Z ~] # python scripts.py 
# 先输出Hello Word
Hello Word
# 然后再报错没有match这个方法
Traceback (most recent call last):
   File  "scripts.py" , line  6 in  <module>
     print (re.match( '\w+' , "abc" ).group())
AttributeError:  'module'  object  has no attribute  'match'

这是为什么呢?因为pythonre.py当成模块re了,继续往下看:

更改scripts.py文件内容如下

1
2
3
4
5
[root@iZ28i253je0Z ~] # cat scripts.py 
#!/usr/bin/env python
# _*_ coding:utf-8 _*_
 
import  re

re.py文件内容不变,然后我们在执行脚本scripts.py

1
2
[root@iZ28i253je0Z ~] # python scripts.py 
Hello Word

看到了吧,他会把re.py文件内的代码拿到scripts.py文件中去执行,这是个坑,最好别踩。

导入当前目录下子目录下的文件

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
[root@ansheng ~] # tree ./
. /
├── modules
│   ├── __init__.py
│   ├── lib01.py
│   └── lib02.py
└── scripts.py
 
1  directory,  4  files
[root@ansheng ~] # cat scripts.py 
#!/usr/bin/env python
# 导入modules包下面的lib01模块
from  modules  import  lib01
# 导入modules包下面的lib02模块
from  modules  import  lib02
[root@ansheng ~] # cat modules/__init__.py 
#!/usr/bin/env python
[root@ansheng ~] # cat modules/lib01.py 
#!/usr/bin/env python
# lib01.py文件会输出"Hello lib01"
print ( "Hello lib01" )
[root@ansheng ~] # cat modules/lib02.py  
#!/usr/bin/env python
# lib02.py文件会输出"Hello lib02"
print ( "Hello lib02" )

执行结果

1
2
3
4
[root@ansheng ~] # python scripts.py
# 会执行modules/lib02.py与modules/lib01.py文件内容
Hello lib01
Hello lib02

包含目录下的文件时需要在目录下声明一个__init__.py文件,即使这个文件是空的也可以。










本文转自 Edenwy  51CTO博客,原文链接:http://blog.51cto.com/edeny/1925131,如需转载请自行联系原作者
目录
相关文章
|
22天前
|
调度 开发者 Python
Python中的异步编程:理解asyncio库
在Python的世界里,异步编程是一种高效处理I/O密集型任务的方法。本文将深入探讨Python的asyncio库,它是实现异步编程的核心。我们将从asyncio的基本概念出发,逐步解析事件循环、协程、任务和期货的概念,并通过实例展示如何使用asyncio来编写异步代码。不同于传统的同步编程,异步编程能够让程序在等待I/O操作完成时释放资源去处理其他任务,从而提高程序的整体效率和响应速度。
|
25天前
|
数据采集 存储 数据挖掘
Python数据分析:Pandas库的高效数据处理技巧
【10月更文挑战第27天】在数据分析领域,Python的Pandas库因其强大的数据处理能力而备受青睐。本文介绍了Pandas在数据导入、清洗、转换、聚合、时间序列分析和数据合并等方面的高效技巧,帮助数据分析师快速处理复杂数据集,提高工作效率。
59 0
|
11天前
|
XML 存储 数据库
Python中的xmltodict库
xmltodict是Python中用于处理XML数据的强大库,可将XML数据与Python字典相互转换,适用于Web服务、配置文件读取及数据转换等场景。通过`parse`和`unparse`函数,轻松实现XML与字典间的转换,支持复杂结构和属性处理,并能有效管理错误。此外,还提供了实战案例,展示如何从XML配置文件中读取数据库连接信息并使用。
Python中的xmltodict库
|
5天前
|
测试技术 Python
手动解决Python模块和包依赖冲突的具体步骤是什么?
需要注意的是,手动解决依赖冲突可能需要一定的时间和经验,并且需要谨慎操作,避免引入新的问题。在实际操作中,还可以结合使用其他方法,如虚拟环境等,来更好地管理和解决依赖冲突😉。
|
15天前
|
Python
在Python中,可以使用内置的`re`模块来处理正则表达式
在Python中,可以使用内置的`re`模块来处理正则表达式
36 5
|
18天前
|
数据库 Python
异步编程不再难!Python asyncio库实战,让你的代码流畅如丝!
在编程中,随着应用复杂度的提升,对并发和异步处理的需求日益增长。Python的asyncio库通过async和await关键字,简化了异步编程,使其变得流畅高效。本文将通过实战示例,介绍异步编程的基本概念、如何使用asyncio编写异步代码以及处理多个异步任务的方法,帮助你掌握异步编程技巧,提高代码性能。
53 4
|
18天前
|
API 数据处理 Python
探秘Python并发新世界:asyncio库,让你的代码并发更优雅!
在Python编程中,随着网络应用和数据处理需求的增长,并发编程变得愈发重要。asyncio库作为Python 3.4及以上版本的标准库,以其简洁的API和强大的异步编程能力,成为提升性能和优化资源利用的关键工具。本文介绍了asyncio的基本概念、异步函数的定义与使用、并发控制和资源管理等核心功能,通过具体示例展示了如何高效地编写并发代码。
26 2
|
24天前
|
数据采集 JSON 测试技术
Python爬虫神器requests库的使用
在现代编程中,网络请求是必不可少的部分。本文详细介绍 Python 的 requests 库,一个功能强大且易用的 HTTP 请求库。内容涵盖安装、基本功能(如发送 GET 和 POST 请求、设置请求头、处理响应)、高级功能(如会话管理和文件上传)以及实际应用场景。通过本文,你将全面掌握 requests 库的使用方法。🚀🌟
42 7
|
24天前
|
机器学习/深度学习 数据采集 算法
Python机器学习:Scikit-learn库的高效使用技巧
【10月更文挑战第28天】Scikit-learn 是 Python 中最受欢迎的机器学习库之一,以其简洁的 API、丰富的算法和良好的文档支持而受到开发者喜爱。本文介绍了 Scikit-learn 的高效使用技巧,包括数据预处理(如使用 Pipeline 和 ColumnTransformer)、模型选择与评估(如交叉验证和 GridSearchCV)以及模型持久化(如使用 joblib)。通过这些技巧,你可以在机器学习项目中事半功倍。
36 3
|
25天前
|
Java 程序员 开发者
Python的gc模块
Python的gc模块
下一篇
无影云桌面