0%

Python 中的黑暗角落(三):模块与包

如果你用过 Python,那么你一定用过 import 关键字加载过各式各样的模块。但你是否熟悉 Python 中的模块与包的概念呢?或者,以下几个问题,你是否有明确的答案?

  • 什么是模块?什么又是包?
  • from matplotlib.ticker import Formatter, FixedLocator 中的 matplotlibticker 分别是什么?中间的句点是什么意思?
  • from matplotlib.pyplot import * 中,import * 的背后会发生什么?

鲁迅先生说:「于无声处听惊雷」,讲的是平淡时却有令人惊奇、意外的事情。import 相关的模块、包的概念也是如此。如果你对上面几个问题存有疑问,那么这篇就是为你而作的。

模块

为什么要有模块

众所周知,Python 有一个交互式的解释器。在解释器中,你可以使用 Python 的所有功能。但是,解释器是一次性的。也就是说,如果你关掉解释器,那么先前定义、运行的一切东西,都会丢失不见。另一方面,在解释器中输入代码是一件很麻烦的事情;这是因为在解释器中复用代码比较困难。

为此,人们会把相对稳定、篇幅较长的代码保存在一个纯文本文件中。一般来说,我们把这样扩展名为 .py 的文件称为 Python 脚本。为了提高代码复用率,我们可以把一组相关的 Python 相关的定义、声明保存在同一个 .py 文件中。此时,这个 Python 脚本就是一个 Python 模块(Module)。我们可以在解释器中,或者在其他 Python 脚本中,通过 import 载入定义好的 Python 模块。

模块的识别

和 Python 中的其它对象一样,Python 也为模块定义了一些形如 __foo__ 的变量。对于模块来说,最重要的就是它的名字 __name__ 了。每当 Python 执行脚本,它就会为该脚本赋予一个名字。对于「主程序」来说,这一脚本的 __name__ 被定义为 "__main__";对于被 import 进主程序的模块来说,这一脚本的 __name__ 被定义为脚本的文件名(base filename)。因此,我们可以用 if __name__ == "__main__": 在模块代码中定义一些测试代码。

fibonacci.py
1
2
3
4
5
6
7
8
9
10
11
12
def fib_yield(n):
a, b = 0, 1
while b < n:
yield b
a, b = b, a+b

def fib(n):
for num in fib_yield(n):
print(num)

if __name__ == "__main__":
fib(10)

我们将其保存为 fibonacci.py,而后在 Python 解释器中 import 它。

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
26
27
28
In [1]: import fibonacci

In [2]: dir(fibonacci)
Out[2]:
['__builtins__',
'__doc__',
'__file__',
'__name__',
'__package__',
'fib',
'fib_yield']

In [3]: print(fibonacci.__name__)
fibonacci

In [4]: fibonacci.fib(5)
1
1
2
3

In [5]: for num in fibonacci.fib_yield(5):
...: print(num)
...:
1
1
2
3

可以观察到,fibonacci.py 在作为模块引入时,fibonacci.__name__ 被设置为文件名 "fibonacci"。但若在命令行直接执行 python fibonacci.py,则 if 语句块会被执行,此时 __name__"__main__"

模块的内部变量和初始化

Python 为每个模块维护了单独的符号表,因此可以实现类似 C++ 中名字空间(namespace)的功能。Python 模块中的函数,可以使用模块的内部变量,完成相关的初始化操作;同时,import 模块的时候,也不用担心这些模块内部变量与用户自定义的变量同名冲突。

module_var.py
1
2
3
4
5
6
7
foo = 0

def show():
print(foo)

if __name__ == "__main__":
show()

此处我们在模块 module_var 内部定义了内部变量 foo,并且在函数 show 中引用了它。

1
2
3
4
5
6
7
8
9
10
11
12
In [7]: import module_var
...:
...: foo = 3
...:
...: print(foo)
...: print(module_var.foo)
...:
...: module_var.show()
...:
3
0
0

值得一提的是,模块的初始化操作(这里指 foo = 0 这条语句),仅只在 Python 解释器第一次处理该模块的时候执行。也就是说,如果同一个模块被多次 import,它只会执行一次初始化。

from ... import ...

模块提供了类似名字空间的限制,不过 Python 也允许从模块中导入指定的符号(变量、函数、类等)到当前模块。导入后,这些符号就可以直接使用,而不需要前缀模块名。

1
2
3
4
5
6
7
8
9
In [8]: from fibonacci import fib_yield, fib

In [9]: fib(10)
1
1
2
3
5
8

值得一提的是,被导入的符号,如果引用了模块内部的变量,那么在导入之后也依然会使用模块内的变量,而不是当前环境中的同名变量。

1
2
3
4
5
6
In [11]: from module_var import show

In [12]: foo = 3

In [13]: show()
0

也有更粗暴的方式,导入模块内的所有公开符号(没有前缀 _ 的那些)。不过,一般来说,除了实验、排查,不建议这样做。因为,通常你不知道模块定义了哪些符号、是否与当前环境有重名的符号。一旦有重名,那么,这样粗暴地导入模块内所有符号,就会覆盖掉当前环境的版本。从而造成难以排查的错误。

模块搜索路径

之前我们都在讨论模块的好处,但是忽略了一个问题:Python 怎样知道从何处找到模块文件?

如果你熟悉命令行,那么这个问题对你来说就不难理解。在命令行中执行的任何命令,实际上背后都对应了一个可执行文件。命令行解释器(比如 cmd, bash)会从一个全局的环境变量 PATH 中读取一个有序的列表。这个列表包含了一系列的路径,而命令行解释器,会依次在这些路径里,搜索需要的可执行文件。

Python 搜寻模块文件,也遵循了类似的思路。比如,用户在 Python 中尝试导入 import foobar,那么

  • 首先,Python 会在内建模块中搜寻 foobar
  • 若未找到,则 Python 会在当前工作路径(当前脚本所在路径,或者执行 Python 解释器的路径)中搜寻 foobar
  • 若仍未找到,则 Python 会在环境变量 PYTHONPATH 中指示的路径中搜寻 foobar
  • 若依旧未能找到,则 Python 会在安装时指定的路径中搜寻 foobar
  • 若仍旧失败,则 Python 会报错,提示找不到 foobar 这个模块。
1
2
3
4
5
6
7
In [14]: import foobar
---------------------------------------------------------------------------
ImportError Traceback (most recent call last)
<ipython-input-14-909badd622c0> in <module>()
----> 1 import foobar

ImportError: No module named foobar

pyc 文件

和 LaTeX 中遇到的问题一样:装载大量文本文件是很慢的。因此 Python 也采用了类似 LaTeX 的解决方案:将模块编译成容易装载的文件,并保存起来(相当于 LaTeX 中的 dump 格式文件 .fmt)。这些编译好并保存起来的文件,有后缀名 .pyc

当 Python 编译好模块之后,下次载入时,Python 就会读取相应的 .pyc 文件,而不是 .py 文件。而装载 .pyc 文件会比装载 .py 文件更快。

值得一提的是,对于 .pyc,很多人一直有误解。事实上,从运行的角度,装载 .pyc 并不比装载 .py 文件更快。此处的加速,仅只在装载模块的过程中起作用。因此 .pyc 中的 C 更多地可以理解为 cache。

包(package)是 Python 中对模块的更高一级的抽象。简单来说,Python 允许用户把目录当成模块看待。这样一来,目录中的不同模块文件,就变成了「包」里面的子模块。此外,包目录下还可以有子目录,这些子目录也可以是 Python 包。这种分层,对模块识别、管理,都是非常有好处的。特别地,对于一些大型 Python 工具包,内里可能有成百上千个不同功能的模块。若是逐个模块发布,那简直成了灾难。

科学计算领域,SciPy, NumPy, Matplotlib 等第三方工具,都是用包的形式发布的。

目录结构

Python 要求每一个「包」目录下,都必须有一个名为 __init__.py 的文件。从这个文件的名字上看,首先它有 __ 作为前后缀,我们就知道,这个文件肯定是 Python 内部用来做某种识别用的;其次,它有 init,我们知道它一定和初始化有关;最后,它有 .py 作为后缀名,因此它也是一个 Python 模块,可以完成一些特定的工作。

现在假设你想编写一个 Python 工具包,用来处理图片,它可能由多个 Python 模块组成。于是你会考虑把它做成一个 Python 包,内部按照功能分成若干子包,再继续往下分成不同模块去实现。比如会有这样的目录结构。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
picture/                        Top-level package
__init__.py Initialize the picture package
formats/ Subpackage for file format conversions
__init__.py
jpgread.py
jpgwrite.py
pngread.py
pngwrite.py
bmpread.py
bmpwrite.py
...
filters/ Subpackage for filters
__init__.py
boxblur.py
gaussblur.py
sharpen.py
...

此处 picture 目录下有 __init__.py,因此 Python 会将其作为一个 Python 包;类似地,子目录 formatsfilters 就成了 picture 下的子包。这里,子包的划分以功能为准。formats 下的模块,设计用于处理不同格式的图片文件的读写;而 filters 下的模块,则被设计用于实现各种滤镜效果。

使用 Python 包

Python 包的使用和模块的使用类似,是很自然的方式。以我们的 picture 包为例,若你想使用其中具体的模块,可以这样做。

1
import picutre.filters.gaussblur

如此,你就导入了 picture 包中 filters 子包中的 gaussblur 模块,你就能使用高斯模糊模块提供的功能了。具体使用方式,和使用模块也保持一致。

1
picture.filters.gaussblur.gaussblur_filter(input, output)

这看起来很繁琐,因此你可能会喜欢用 from ... import ... 语句,脱去过多的名字限制。

1
from picture.filters import gaussblur

这样一来,你就可以直接按如下方式使用高斯模糊这一滤镜了。

1
gaussblur.gaussblur_filter(input, output)

__init__.py

之前简单地介绍了 __init__.py 这个特殊的文件,但未展开。这里我们展开详说。

首先的问题是,为什么要设计 __init__.py,而不是自动地把任何一个目录都当成是 Python 包?这主要是为了防止重名造成的问题。比如,很可能用户在目录下新建了一个子目录,名为 collections;但 Python 有内建的同名模块。若不加任何限制地,将子目录当做是 Python 包,那么,import collections 就会引入这个 Python 包。而这样的行为,可能不是用户预期的。从这个意义上说,设计 __init__.py 是一种保护措施。

接下来的问题是,__init__.py 具体还有什么用?

首先来说,__init__.py 可以执行一些初始化的操作。这是因为,__init__.py 作为模块文件,会在相应的 Python 包被引入时首先引入。这就是说,import picture 相当于是 import picture.__init__。因此,__init__.py 中可以保留一些初始化的代码——比如引入依赖的其他 Python 模块。

其次,细心的你可能发现,上一小节中,我们没有介绍对 Python 包的 from picture import * 的用法。这是因为,从一个包中导入所有内容,这一行为是不明确的;必须要由包的作者指定。我们可以在 __init__.py 中定义名为 __all__ 的 Python 列表。这样一来,就能使用 from picture import * 了。

具体来说,我们可以在 picture/__init__.py 中做如下定义。

__init__.py
1
2
3
import collections          # import the built-in package

__all__ = ["formats", "filters"]

此时,若我们在用户模块中 from picture import *,则首先会引入 Python 内建的 collections 模块,而后引入 picture.formatspicture.filters 这两个 Python 子包了。

在包内使用相对层级引用其他模块

细心的你应该已经发现,在引入 Python 包中的模块时,我们用句点 . 代替了斜线(或者反斜线)来标记路径的层级(实际上是包和模块的层级)。在 Python 包的内部,我们也可以使用类似相对路径的方式,使用相对层级来简化包内模块的互相引用。

比如,在 gaussblur.py 中,你可以通过以下四种方式,引入 boxblur.py,而它们的效果是一样的。

gaussblur.py
1
2
3
4
import boxblur
from . import boxblur
from ..filters import boxblur
from .. import filters.boxblur as boxblur
俗话说,投资效率是最好的投资。 如果您感觉我的文章质量不错,读后收获很大,预计能为您提高 10% 的工作效率,不妨小额捐助我一下,让我有动力继续写出更多好文章。