Python全栈之路-Day35

1 模块简介

1.1 什么是模块？

一个模块就是一个包含了python定义和声明的文件，文件名就是模块名字加上.py的后缀。

1.2 为何要使用模块？

如果你退出python解释器然后重新进入，那么你之前定义的函数或者变量都将丢失，因此我们通常将程序写到文件中以便永久保存下来，需要时就通过python test.py方式去执行，此时test.py被称为脚本script。

随着程序的发展，功能越来越多，为了方便管理，我们通常将程序分成一个个的文件，这样做程序的结构更清晰，方便管理。这时我们不仅仅可以把这些文件当做脚本去执行，还可以把他们当做模块来导入到其他的模块中，实现了功能的重复利用，

2 如何使用模块？

2.1 import

示例文件：spam.py，文件名spam.py,模块名spam

#!/usr/bin/env python

# __Author__: "wanyongzhen"

# Date: 2017/5/9



print('from the spam.py')



money=1000



def read1():

    print('spam->read1->money',1000)



def read2():

    print('spam->read2 calling read')

    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），如下

import spam #只在第一次导入时才执行spam.py内代码,此处的显式效果是只打印一次'from the spam.py',当然其他的顶级代码也都被执行了,只不过没有显示效果.

import spam

import spam

import spam



'''

执行结果：

from the spam.py

'''

我们可以从sys.module中找到当前已经加载的模块，sys.module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

#!/usr/bin/env python

# __Author__: "wanyongzhen"

# Date: 2017/5/9



#测试一:money与spam.money不冲突

#test.py

import spam

money=10

print(spam.money)



'''

执行结果：

from the spam.py

1000

'''

#!/usr/bin/env python

# __Author__: "wanyongzhen"

# Date: 2017/5/9



#测试二：read1与spam.read1不冲突

import spam

def read1():

    print('========')

spam.read1()



'''

执行结果:

from the spam.py

spam->read1->money 1000

'''

#!/usr/bin/env python

# __Author__: "wanyongzhen"

# Date: 2017/5/9



#测试三：执行spam.change()操作的全局变量money仍然是spam中的

#test.py

import spam

money=1

spam.change()

print(money)



'''

执行结果：

from the spam.py

1

'''

总结：首次导入模块spam时会做三件事

• 为源文件(spam模块)创建新的名称空间，在spam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，见初始导入import spam

• 创建名字spam来引用该命名空间

为模块名起别名，相当于m1=1;m2=m1

import spam as sm

print(sm.money)

为已经导入的模块起别名的方式对编写可扩展的代码很有用，假设有两个模块xmlreader.py和csvreader.py，它们都定义了函数read_data(filename):用来从文件中读取一些数据，但采用不同的输入格式。可以编写代码来选择性地挑选读取模块，例如

if file_format == 'xml':

    import xmlreader as reader

elif file_format == 'csv':

    import csvreader as reader

data=reader.read_date(filename)

在一行导入多个模块

import sys,os,re

2.2 from...import...

对比import spam，会将源文件的名称空间'spam'带到当前名称空间中，使用时必须是spam.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spam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 spam import read1,read2

这样在当前位置直接使用read1和read2就好了，执行时，仍然以spam.py文件全局名称空间

#!/usr/bin/env python

# __Author__: "wanyongzhen"

# Date: 2017/5/9



#测试一：导入的函数read1，执行时仍然回到spam.py中寻找全局变量money

from spam import read1

money=100000

read1()

'''

执行结果:

from the spam.py

spam->read1->money 1000

'''



#测试二:导入的函数read2，执行时需要调用read1(),仍然回到spam.py中找read1()

from spam import read2

def read1():

    print('==========')

read2()



'''

执行结果:

from the spam.py

spam->read2 calling read

spam->read1->money 1000

'''

如果当前有重名read1或者read2，那么会有覆盖效果。

#!/usr/bin/env python

# __Author__: "wanyongzhen"

# Date: 2017/5/9



from spam import read1

def read1():

    print('==========')

read1()

需要特别强调的一点是：python中的变量赋值不是一种存储操作，而只是一种绑定关系，如下：

#!/usr/bin/env python

# __Author__: "wanyongzhen"

# Date: 2017/5/9



from spam import money,read1

money=100 #将当前位置的名字money绑定到了100

print(money) #打印当前的名字

read1() #读取spam.py中的名字money,仍然为1000



'''

from the spam.py

100

spam->read1->money 1000

'''

也支持as

from spam import read1 as read

也支持导入多行

from spam import (read1,

                   read2,

                   money)

from spam import * 把spam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。

#!/usr/bin/env python

# __Author__: "wanyongzhen"

# Date: 2017/5/9



from spam import * #将模块spam中所有的名字都导入到当前名称空间

print(money)

print(read1)

print(read2)

print(change)



'''

执行结果:

from the spam.py

1000

<function read1 at 0x1012e8158>

<function read2 at 0x1012e81e0>

<function change at 0x1012e8268>

'''

可以使用__all__来控制*（用来发布新版本）

在spam.py中新增一行

#!/usr/bin/env python

# __Author__: "wanyongzhen"

# Date: 2017/5/9



__all__=['money','read1'] #这样在另外一个文件中用from spam import *就这能导入列表中规定的两个名字



print('from the spam.py')



money=1000



def read1():

    print('spam->read1->money',1000)



def read2():

    print('spam->read2 calling read')

    read1()



def change():

    global money

    money=0

考虑到性能的原因，每个模块只被导入一次,放入字典sys.module中，如果你改变了模块的内容，你必须重启程序，python不支持重新加载或卸载之前导入的模块，

有的同学可能会想到直接从sys.module中删除一个模块不就可以卸载了吗，注意了，你删了sys.module中的模块对象仍然可能被其他程序的组件所引用，因而不会被清除。

特别的对于我们引用了这个模块中的一个类，用这个类产生了很多对象，因而这些对象都有关于这个模块的引用。

如果只是你想交互测试的一个模块，使用 importlib.reload(), e.g. import importlib; importlib.reload(modulename)，这只能用于测试环境。

def func1():

    print('func1')

import time,importlib

import aa



time.sleep(20)

# importlib.reload(aa)

aa.func1()

在20秒的等待时间里，修改aa.py中func1的内容，等待test.py的结果。

打开importlib注释，重新测试

2.3 把模块当做脚本执行

我们可以通过模块的全局变量__name__来查看模块名：

当做脚本运行：

__name__ 等于__main__

当做模块导入：

__name__=

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

if __name__ == __main__:

#!/usr/bin/env python

# __Author__: "wanyongzhen"

# Date: 2017/5/9



#fib.py



def fib(n):    # write Fibonacci series up to n

    a, b = 0, 1

    while b < n:

        print(b, end=' ')

        a, b = b, a+b

    print()



def fib2(n):   # return Fibonacci series up to n

    result = []

    a, b = 0, 1

    while b < n:

        result.append(b)

        a, b = b, a+b

    return result



if __name__ == "__main__":

    import sys

    fib(int(sys.argv[1]))

执行

# python fib.py <arguments>

python fib.py 50 #在命令行

2.4 模块搜索路径

python解释器在启动时会自动加载一些模块，可以使用sys.modules查看

在第一次导入某个模块时（比如spam），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

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spam.py文件。

所以总结模块的查找顺序是：内存中已经加载的模块->内置模块->sys.path路径中包含的模块

sys.path的初始化的值来自于：

The directory containing the input script (or the current directory when no file is specified).

PYTHONPATH (a list of directory names, with the same syntax as the shell variable PATH).

The installation-dependent default.

需要特别注意的是：我们自定义的模块名不应该与系统内置模块重名。虽然每次都说，但是仍然会有人不停的犯错。

在初始化后，python程序可以修改sys.path,路径放到前面的优先于标准库被加载。

>>> import sys

>>> sys.path.append('/a/b/c/d')

>>> sys.path.insert(0,'/x/y/z') #排在前的目录，优先被搜索

注意：搜索时按照sys.path中从左到右的顺序查找，位于前的优先被查找，sys.path中还可能包含.zip归档文件和.egg文件，python会把.zip归档文件当成一个目录去处理，

#首先制作归档文件：zip module.zip foo.py bar.py



import sys

sys.path.append('module.zip')

import foo,bar



#也可以使用zip中目录结构的具体位置

sys.path.append('module.zip/lib/python')

至于.egg文件是由setuptools创建的包，这是按照第三方python库和扩展时使用的一种常见格式，.egg文件实际上只是添加了额外元数据(如版本号，依赖项等)的.zip文件。

需要强调的一点是：只能从.zip文件中导入.py，.pyc等文件。使用C编写的共享库和扩展块无法直接从.zip文件中加载（此时setuptools等打包系统有时能提供一种规避方法），且从.zip中加载文件不会创建.pyc或者.pyo文件，因此一定要事先创建他们，来避免加载模块是性能下降。

3 包导入

包的本质就是一个包含__init__.py文件的目录。

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

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



#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)

注意事项

1.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。

2.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)。

3.对比import item 和from item import name的应用场景：

如果我们想直接使用name那必须使用后者。

3.1 import

我们在与包glance同级别的文件中测试

import glance.db.models

glance.db.models.register_models('mysql') 

3.2 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

我们在与包glance同级别的文件中测试

from glance.db import models

models.register_models('mysql')



from glance.db.models import register_models

register_models('mysql')

3.3 __init__.py文件

不管是哪种方式，只要是第一次导入包或者是包的任何其他部分，都会依次执行包下的__init__.py文件(我们可以在每个包的文件内都打印一行内容来验证一下)，这个文件可以为空，但是也可以存放一些初始化包的代码。

3.4 from glance.api import *

在讲模块时，我们已经讨论过了从一个模块内导入所有，此处我们研究从一个包导入所有。

此处是想从包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___:

#在__init__.py中定义

x=10



def func():

    print('from api.__init.py')



__all__=['x','func','policy']

此时我们在于glance同级的文件中执行from glance.api import *就导入__all__中的内容（versions仍然不能导入）。

3.5 绝对导入和相对导入

我们的最顶级包glance是写给别人用的，然后在glance包内部也会有彼此之间互相导入的需求，这时候就有绝对导入和相对导入两种方式：

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）

例如：我们在glance/api/version.py中想要导入glance/cmd/manage.py

#在glance/api/version.py



#绝对导入

from glance.cmd import manage

manage.main()



#相对导入

from ..cmd import manage

manage.main()

测试结果：注意一定要在于glance同级的文件中测试

from glance.api import versions

注意：在使用pycharm时，有的情况会为你多做一些事情，这是软件相关的东西，会影响你对模块导入的理解，因而在测试时，一定要回到命令行去执行，模拟我们生产环境，你总不能拿着pycharm去上线代码吧！！！

特别需要注意的是：可以用import导入内置或者第三方模块，但是要绝对避免使用import来导入自定义包的子模块，应该使用from... import ...的绝对或者相对导入,且包的相对导入只能用from的形式。

比如我们想在glance/api/versions.py中导入glance/api/policy.py，有的同学一看这俩模块是在同一个目录下，十分开心的就去做了，它直接这么做

#在version.py中



import policy

policy.get()

没错，我们单独运行version.py是一点问题没有的，运行version.py的路径搜索就是从当前路径开始的，于是在导入policy时能在当前目录下找到

但是你想啊，你子包中的模块version.py极有可能是被一个glance包同一级别的其他文件导入，比如我们在于glance同级下的一个test.py文件中导入version.py，如下

from glance.api import versions



'''

执行结果:

ImportError: No module named 'policy'

'''



'''

分析:

此时我们导入versions在versions.py中执行

import policy需要找从sys.path也就是从当前目录找policy.py,

这必然是找不到的

'''

3.6 单独导入包

单独导入包名称时不会导入包中所有包含的所有子模块，如

#在与glance同级的test.py中

import glance

glance.cmd.manage.main()



'''

执行结果：

AttributeError: module 'glance' has no attribute 'cmd'



'''

解决方法：

#glance/__init__.py

from . import cmd



#glance/cmd/__init__.py

from . import manage

#在于glance同级的test.py中

import glance

glance.cmd.manage.main()

千万别问：__all__不能解决吗，__all__是用于控制from...import *

3 异常处理介绍

3.1 什么是异常处理？

python解释器检测到错误，触发异常（也允许程序员自己触发异常）

程序员编写特定的代码，专门用来捕捉这个异常（这段代码与程序逻辑无关，与异常处理有关）

如果捕捉成功则进入另外一个处理分支，执行你为其定制的逻辑，使程序不会崩溃，这就是异常处理

3.2 为何要进行异常处理？

python解析器去执行程序，检测到了一个错误时，触发异常，异常触发后且没被处理的情况下，程序就在当前异常处终止，后面的代码不会运行，谁会去用一个运行着突然就崩溃的软件。

所以你必须提供一种异常处理机制来增强你程序的健壮性与容错性

3.3 如何进行异常处理？

首先须知，异常是由程序的错误引起的，语法上的错误跟异常处理无关，必须在程序运行前就修正

3.3.1 使用if判断式

总结：

1.if判断式的异常处理只能针对某一段代码，对于不同的代码段的相同类型的错误你需要写重复的if来进行处理。

2.在你的程序中频繁的写与程序本身无关，与异常处理有关的if，就像是在你的代码中到处拉屎。可读性极其的差

3.这是可以解决异常的，只是存在1,2的问题，所以，千万不要妄下定论if不能用来异常处理。如果你不服，那你想想在没有学习try...except之前，你的程序难道就没有异常处理，而任由其崩溃么

3.3.2 try...except...

python为每一种异常定制了一个类型，然后提供了一种特定的语法结构用来进行异常处理

基本语法：

try:

    被检测的代码块

except 异常类型：

    try中一旦检测到异常，就执行这个位置的逻辑

示例代码：

#!/usr/bin/env python

# __Author__: "wanyongzhen"

# Date: 2017/5/9



f=open('a.txt')

g=(line.strip() for line in f)

'''

next(g)会触发迭代f，依次next(g)就可以读取文件的一行行内容，无论文件a.txt有多大，同一时刻内存中只有一行内容。

提示：g是基于文件句柄f而存在的，因而只能在next(g)抛出异常StopIteration后才可以执行f.close()

'''





f=open('a.txt')



g=(line.strip() for line in f)

for line in g:

    print(line)

else:

    f.close()





try:

    f=open('a.txt')

    g=(line.strip() for line in f)

    print(next(g))

    print(next(g))

    print(next(g))

    print(next(g))

    print(next(g))

except StopIteration:

    f.close()

4 异常处理实战

异常类只能用来处理指定的异常情况，如果非指定异常则无法处理。

#!/usr/bin/env python

# __Author__: "wanyongzhen"

# Date: 2017/5/9



# 未捕获到异常，程序直接报错

s1 = 'hello'

try:

    int(s1)

except IndexError as e:

    print(e)

4.1 多分支

#!/usr/bin/env python

# __Author__: "wanyongzhen"

# Date: 2017/5/9



s1 = 'hello'

try:

    int(s1)

except IndexError as e:

    print(e)

except KeyError as e:

    print(e)

except ValueError as e:

    print(e)

4.2 万能异常

万能异常 在python的异常中，有一个万能异常：Exception，他可以捕获任意异常，即：

#!/usr/bin/env python

# __Author__: "wanyongzhen"

# Date: 2017/5/9



s1 = 'hello'

try:

    int(s1)

except Exception as e:

    print(e)

你可能会说既然有万能异常，那么我直接用上面的这种形式就好了，其他异常可以忽略

你说的没错，但是应该分两种情况去看

1.如果你想要的效果是，无论出现什么异常，我们统一丢弃，或者使用同一段代码逻辑去处理他们，那么骚年，大胆的去做吧，只有一个Exception就足够了。

#!/usr/bin/env python

# __Author__: "wanyongzhen"

# Date: 2017/5/9



s1 = 'hello'

try:

    int(s1)

except Exception as e:

    '丢弃或者执行其他逻辑'

    print(e)



#如果你统一用Exception，没错，是可以捕捉所有异常，但意味着你在处理所有异常时都使用同一个逻辑去处理（这里说的逻辑即当前expect下面跟的代码块）

2.如果你想要的效果是，对于不同的异常我们需要定制不同的处理逻辑，那就需要用到多分支了。

#!/usr/bin/env python

# __Author__: "wanyongzhen"

# Date: 2017/5/9



s1 = 'hello'

try:

    int(s1)

except IndexError as e:

    print(e)

except KeyError as e:

    print(e)

except ValueError as e:

    print(e)

4.3 异常的其他机构

#!/usr/bin/env python

# __Author__: "wanyongzhen"

# Date: 2017/5/9



s1 = 'hello'

try:

    int(s1)

except IndexError as e:

    print(e)

except KeyError as e:

    print(e)

except ValueError as e:

    print(e)

#except Exception as e:

#    print(e)

else:

    print('try内代码块没有异常则执行我')

finally:

    print('无论异常与否,都会执行该模块,通常是进行清理工作')

4.4 主动触发异常

#!/usr/bin/env python

# __Author__: "wanyongzhen"

# Date: 2017/5/9



try:

    raise TypeError('类型错误')

except Exception as e:

    print(e)

4.5 自定义异常

#!/usr/bin/env python

# __Author__: "wanyongzhen"

# Date: 2017/5/9



class EgonException(BaseException):

    def __init__(self,msg):

        self.msg=msg

    def __str__(self):

        return self.msg



try:

    raise EgonException('类型错误')

except EgonException as e:

    print(e)

4.6 断言

# assert 条件

 

assert 1 == 1

 

assert 1 == 2   # AssertionError

4.7 try..except的方式比较if的方式的好处

try..except这种异常处理机制就是取代if那种方式，让你的程序在不牺牲可读性的前提下增强健壮性和容错性

异常处理中为每一个异常定制了异常类型（python中统一了类与类型，类型即类），对于同一种异常，一个except就可以捕捉到，可以同时处理多段代码的异常（无需‘写多个if判断式’）减少了代码，增强了可读性

#!/usr/bin/env python

# __Author__: "wanyongzhen"

# Date: 2017/5/9



# num1=input('>>: ') #输入一个字符串试试

# if num1.isdigit():

#     int(num1) #我们的正统程序放到了这里,其余的都属于异常处理范畴

# elif num1.isspace():

#     print('输入的是空格,就执行我这里的逻辑')

# elif len(num1) == 0:

#     print('输入的是空,就执行我这里的逻辑')

# else:

#     print('其他情情况,执行我这里的逻辑')



#第二段代码

# num2=input('>>: ') #输入一个字符串试试

# int(num2)



#第三段代码

# num3=input('>>: ') #输入一个字符串试试

# int(num3)



try:

    #第一段代码

    num1=input('>>: ') #输入一个字符串试试

    int(num1) #我们的正统程序放到了这里,其余的都属于异常处理范畴

    #第二段代码

    num2=input('>>: ') #输入一个字符串试试

    int(num2)

    #第三段代码

    num3=input('>>: ') #输入一个字符串试试

    int(num3)

except ValueError as e:

    print(e)

使用try..except的方式

• 把错误处理和真正的工作分开来

• 代码更易组织，更清晰，复杂的工作任务更容易实现；

• 毫无疑问，更安全了，不至于由于一些小的疏忽而使程序意外崩溃了；

很多人，根本没有搞清楚什么是异常处理，因为他们还没有搞清楚什么是异常，什么是处理，就混在一起去整了。

什么是异常，异常就是错误引发的结果

什么是处理，由于异常带来的是程序崩溃，处理的目的就是让程序在异常后跳转到其他逻辑去执行，不让程序崩溃

if本身就可以来处理异常，只不过if的方式，对于不同代码段的同一种异常，需要重复写多分支的if，而这段多分支if与真正的工作无关，写多了你的程序可读性就会及其的差。

try..except的方式，只是python提供给你一种特定的语法结构去做这件事，对于不同代码的同一种异常，python为你定制了一中类型，一个expect就可以捕捉到

try...excpet的多分支就好比if的多分支啊,if的else就好比try的Exception，只不过if是针对一种异常的多分支，针对不同段代码的同种类型错误，你需要重复写多分支if，而try是针对不同类型异常的多分支，可以把不同段代码放到一起，检测他们的同种类型错误