python -m详解

Python微信订餐小程序课程视频

https://edu.csdn.net/course/detail/36074

Python实战量化交易理财系统

https://edu.csdn.net/course/detail/35475

温馨提示： 本篇演示环境是Python 3.8

先python --help看下python -m参数的解释：

-m mod : run library module as a script (terminates option list)

mod是module的缩写，即-m后面跟的是模块(module)名，意思是把模块当成脚本来运行。

terminates option list意味着-m之后的其它选项不起作用，在这点上它跟-c是类似，都是终极选项。

既然涉及到模块，这里就多提几句。 在Python中，一个.py文件就称之为一个模块（Module）。

比如一个顶层包名bytesfly，按照如下目录存放：

bytesfly
├─ __init__.py
├─ __main__.py
└─ fly.py

上面fly.py模块的名字就是bytesfly.fly。

注意： 模块名是不带.py后缀的。

关于模块更详细的讲解见之前的博客：
https://blog.csdn.net/bytesfly/p/python.html#模块

python -m 常见用法

• 使用cProfile模块分析程序函数调用链耗时

python -m cProfile -s cumulative bytesfly/fly.py

• 使用pdb模块以调试模式来执行Python脚本

python -m pdb bytesfly/fly.py

• 使用http.server模块实现一个简单的HTTP服务

python -m http.server 9000

• 使用pydoc模块生成HTML格式的官方帮助文档，可以在浏览器中访问

python -m pydoc -p 9001

• python -m pip install xxx

在存在多个Python版本的环境中，这种写法可以精确地控制三方库的安装位置。例如用python3.8 -m pip，可以明确指定给3.8版本安装，而不会混淆成其它的版本。

当然现在我们大多使用conda之类的虚拟环境管理器和包管理器，可能不会出现上面所说的这种混淆情况。这里只是提一下。

• 使用timeit模块分析执行耗时

python -m timeit -n 3 -r 2 "import time;time.sleep(1)"

其实调用的是：

timeit.repeat("import time;time.sleep(1)", repeat=2, number=3)

看一眼timeit.py中的源码就能快速理解-n -r参数的意思：

def repeat(self, repeat=default\_repeat, number=default\_number):
    """Call timeit() a few times.

 This is a convenience function that calls the timeit()
 repeatedly, returning a list of results. The first argument
 specifies how many times to call timeit(), defaulting to 5;
 the second argument specifies the timer argument, defaulting
 to one million.
 """
    r = []
    for i in range(repeat):
        t = self.timeit(number)
        r.append(t)
    return r

-p/–process: use time.process_time() (default is time.perf_counter())

timeit后面还能添加-p参数，如下：

python -m timeit -p -n 3 -r 2 "import time;time.sleep(1)"

其实调用的是：

timeit.repeat("import time;time.sleep(1)", repeat=2, number=3, timer=time.process_time)

再看一眼time.process_time()的代码注释

def process\_time(): # real signature unknown; restored from \_\_doc\_\_
    """
 process\_time() -> float
 
 Process time for profiling: sum of the kernel and user-space CPU time.
 """
    return 0.0

加上了-p参数计算的是sum of the kernel and user-space CPU time，讲白了就是程序占用CPU的时间，程序睡眠或者请求网络IO阻塞的时间不算。

python -m 原理解析

看了上面python -m几种常见用法，你是否好奇python -m到底做了什么事？

不卖关子，一句话解释就是：

对于python -m module_name，Python会检索sys.path，查找名字为module_name的模块或者包，并将其内容当成主程序入口来执行，换句话说在执行时，该脚本的__name__是__main__。

拿文章开篇的bytesfly.fly模块来说，也就是bytesfly包下的fly.py文件内容如下：

import sys

print("----fly----")

if __name__ == '\_\_main\_\_':
    print("fly\_main")
    print(sys.path)

在hello项目路径下执行python -m bytesfly.fly，输出如下：

----fly----
fly_main
['/home/bytesfly/py/hello', '/home/bytesfly/anaconda3/envs/test/lib/python38.zip']

如果直接执行呢？ 即相同路径下执行python bytesfly/fly.py，输出如下：

----fly----
fly_main
['/home/bytesfly/py/hello/bytesfly', '/home/bytesfly/anaconda3/envs/test/lib/python38.zip']

总结一下，python -m module_name与python folder/file.py，都会把定位到的Python脚本当成主程序入口来执行，即在执行时，该脚本的__name__都是__main__，与import导入模块不同。

但是有注意到上面两种调用方式的不同之处吗？

fly.py程序输出了sys.path，可以看到两种调用方式的Python Path有区别，这种区别有什么影响呢？

再看一个例子。 比如一个顶层包名还是bytesfly，按照如下目录存放：

bytesfly
├─ __init__.py
├─ __main__.py
└─ fly.py
└─ a
   ├─ __init__.py
   └─ run.py
└─ b
   ├─ __init__.py
   └─ tool.py

其中tool.py内容如下：

def add(a, b):
    return a + b

其中run.py内容如下：

import sys

print(sys.path)

if __name__ == '\_\_main\_\_':
    from bytesfly.b import tool

    print(tool.add(1, 2))

同样在hello项目路径下执行python -m bytesfly.a.run，输出如下：

['/home/bytesfly/py/hello', '/home/bytesfly/anaconda3/envs/test/lib/python38.zip']
3

然后在hello项目路径下执行python bytesfly/a/run.py，输出如下：

['/home/bytesfly/py/hello/bytesfly/a', '/home/bytesfly/anaconda3/envs/test/lib/python38.zip']
Traceback (most recent call last):
  File "bytesfly/a/run.py", line 6, in 
 from bytesfly.b import tool
ModuleNotFoundError: No module named 'bytesfly'

这个地方能Get到这两种调用方式在Python Path上的区别？

除此之外，python -m module_name与python folder/file.py，在实现上有什么不同呢？

• 使用python -m module_name，解释器在不import模块的情况下，在所有模块命名空间中查找，定位到脚本的路径，然后执行。为了实现这个过程，解释器会借助两个模块：pkgutil和runpy，前者用于获取所有的模块列表，后者根据模块名来定位并执行脚本
• 直接运行脚本时，相当于给出了脚本的完整路径（不管是绝对路径还是相对路径），解释器根据文件系统的查找机制，定位到该脚本，然后执行

python -m 补充说明

python -m module_name这里的module_name也可以是包名。

还是用上面的顶层包名bytesfly举例，按照如下目录存放：

bytesfly
├─ __init__.py
├─ __main__.py
└─ fly.py
└─ a
   ├─ __init__.py
   └─ run.py
└─ b
   ├─ __init__.py
   └─ tool.py

其中__main__.py内容如下：

import sys

print("---bytesfly---")

if __name__ == '\_\_main\_\_':
    print(sys.path)

项目路径下执行python -m bytesfly，输出如下：

---bytesfly---
['/home/bytesfly/py/hello', '/home/bytesfly/anaconda3/envs/test/lib/python38.zip']

如果执行python -m bytesfly.a，输出如下：

No module named bytesfly.a.__main__; 'bytesfly.a' is a package and cannot be directly executed

原来，python -m bytesfly等效于python -m bytesfly.__main__。

写在最后

有了python -m module_name选项，在命令行中使用内置模块、标准包与第三方模块更加方便。

参考：

https://blog.csdn.net/pythonista/p/11829632.html

https://blog.csdn.net/xueweihan/p/5118222.html