python导入自己写的包_Python模块和包的导入

模块

一个模块就是包含了python定义和声明的文件，文件名就是模块名字加上.py后缀,通过导入模块来引入其他文件的功能。

import加载的模块分为四个通用类型：

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

3.包好一组模块的包

4.使用C编写并链接到python解释器的内置模块

导入模块会触发的动作：

执行源文件，直接运行

以源文件为基础，产生源文件的名称空间

在当前位置拿到一个模块名，指向模块中创建的名称空间

导入和引入模块中的变量：

import file_op # 导入模块，模块可以是一个file_op.py的文件

print(file_op.a) # 使用模块名加 . 调用

file_op.findnum(1,file_op.a)

如果要导入多个模块：

import os,sys,spam

在引用变量时，如果要直接导入函数和模块变量，而不是用模块名.xxx的方式调用，可以使用from关键字：

from file_op import a,findnum

print(a)

使用这种方式有如下优缺点：

优点：使用源文件的名字时，无需加前缀

缺点： 容易与当前文件的名称空间内的名字混淆,如果本地定义了相同的变量，调用时则会先调用本地变量。

模块的别名

对导入的模块可以使用别名：

import file_op as f

print(f.a)

对于导入的变量和函数也可以使用别名：

from file_op import a as a_list

别名的使用场景：

当模块名称比较复杂，或者比较长不方便书写的时候，可以使用简单的别名进行替换。

当使用不同包中相同方法和函数变量时（如，为不同版本，或者不同品牌编写的相同功能模块），可以使用同一个别名，来进行调用，减少重复的代码。

如程序根据用户选择的数据库类型来进行不同的操作：

sql_type=input('sql_type:')

if sql_type == 'mysql':

import mysql as sql

elif sql_type == 'oracle':

import oracle as sql

sql.sqlpare()

导入模块*的使用

如果模块中的变量很多，需要在本地进行大量引用时，使用如下方式，可以一次导入全部的变量和函数：

from module1 import *

但是这种方式并不是最佳的方式，一次导入所有的变量和函数，有可能与本地的命名产生冲突。

可以在模块中使用特殊的命名方式，来防止使用*的方式导入：

_a=[1,2,3]

使用from module1 import *的方式将不会导入模块中以_开头的变量和函数，从而禁止了对此模块使用import *的表示方法。

模块中，指定需要导入的变量：

__all__=['a','b']

使用这种方式可以from module1 import * 导入这些指定的变量.

模块搜索路径

模块只在第一次导入时才会执行,之后的导入都是直接引用内存已经存在的结果.

使用'modules1' in sys.modules可以查看内存中是否已经加载了modules1模块：

import sys

import file_op

print('file_op' in sys.modules)

返回为 True

python 导入模块加载的顺序：

1、在使用import导入时，先在内存中查找是否有此模块。

2、如果没有，优先寻找内置模块。

3、如果没有，再从sys.path中的找, sys.path从以下位置初始化：

- 先搜索执行文件所在的当前目录

- PYTHONPATH(包含一系列目录名，与shell变量PATH语法一样)

- 依赖安装时默认指定的（系统环境变量设置的目录等）

提示：自定义的模块不能与内置的模块重名，否则自定义的模块将不会生效。

使用sys.path添加路径：

sys.path.append(r'D:\python36-project\test\file')

python文件的两种用途

python文件有两种使用方式：

当作脚本直接运行

当作模块导入

当我们在编写代码时，又是需要将某些脚本文件当作模块导入，但是不想让其直接执行，或者在编写模块时，需要对模块中的函数进行测试，需要让模块以脚本方式运行，这样就存在了冲突。

为了解决这个问题，可以使用if __name__ == '__main__':的方式，使文件既可以当作脚本运行，也可以当作模块导入：

def func1():

print('func1')

def func2():

print('func2')

def func3():

print('func3')

if __name__ == '__main__':

func1()

func2()

func3()

包的导入

包是一种通过使用‘.模块名’来组织python模块名称空间的方式。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：

1. 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.

2. 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

使用包的注意事项:

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文件，导入包本质就是在导入该文件。

在当前文件a中导入包时，sys.path是以当前文件a的路径为准，在包中的__init__.py文件导入模块，也是以当前的文件a的路径为准

包的导入，需要在__init__.py文件中指定模块。

相对导入和绝对导入

在对包进行内部模块导入时，使用绝对导入：

从包的顶层文件夹下开始，依次调用路径，如：

from glance.cmd import manage

manage.main()

使用绝对导入，有一些潜在的问题，当最外层的包名发生改变的时候，包中所有文件的引用都要改变，这样会操作起来会比较麻烦。

使用相对路径导入，就可以避免这个问题：

from ..cmd import manage

软件开发规范

在开发软件的时候，使用包的目录结构。如下图：

image.png

在对包进行导入的时候可以使用如下方式：

# start.py 启动文件:

# coding=utf-8

import sys,os

current_file_path=(os.path.abspath(__file__)) # 当前执行文件的路径

BASE_DIR=(os.path.dirname(os.path.dirname(os.path.abspath(__file__)))) # 主目录路径

sys.path.append(BASE_DIR) # 添加主目录路径到syspath

# 调用主干中执行模块的功能：

from core import src

if __name__ == '__main__':

src.run()

在在core文件中调用其它目录中的模块。可以直接使用如下方式导入模块：

# settings 文件

from conf import settings # 以顶层目录为起始

def run():

print('run')

print(settings.x)

其他文件模块的导入类似，都是以顶层目录为其实目录。

日志模块logging

python 中有供我们使用的日志模块，对于不同的日志等级，设定了不同级别。

CRITICAL = 50 #FATAL = CRITICAL

ERROR = 40

WARNING = 30 #WARN = WARNING

INFO = 20

DEBUG = 10

NOTSET = 0 #不设置

默认级别为warning，默认打印到终端，指定日志级别后，会根据日志级别自下而上记录日志，如设定日志级别为ERROR那么只会打印ERROR和CRITICAL级别的日志。

导入日志模块:

import logging

logging.debug('调试debug')

logging.info('消息info')

logging.warning('警告warn')

logging.error('错误error')

logging.critical('严重critical')

默认只会从warning 及以上级别的日志执行打印。

如果要将日志写入文件,可在logging.basicConfig()函数中通过具体参数来更改logging模块默认行为，可用参数有：

filename：用指定的文件名创建FiledHandler，这样日志会被存储在指定的文件中。

filemode：文件打开方式，在指定了filename时使用这个参数，默认值为“a”还可指定为“w”。

format：指定handler使用的日志显示格式。

datefmt：指定日期时间格式。

level：设置rootlogger的日志级别 ,可以使用数字或名称去定义

stream：用指定的stream创建StreamHandler。可以指定输出到sys.stderr,sys.stdout或者文件，默认为sys.stderr。若同时列出了filename和stream两个参数，则stream参数会被忽略。

日志的格式还可以指定如下参数：

#format 格式

%(name)s：Logger的名字，并非用户名，详细查看

%(levelno)s：数字形式的日志级别

%(levelname)s：文本形式的日志级别

%(pathname)s：调用日志输出函数的模块的完整路径名，可能没有

%(filename)s：调用日志输出函数的模块的文件名

%(module)s：调用日志输出函数的模块名

%(funcName)s：调用日志输出函数的函数名

%(lineno)d：调用日志输出函数的语句所在的代码行

%(created)f：当前时间，用UNIX标准的表示时间的浮 点数表示

%(relativeCreated)d：输出日志信息时的，自Logger创建以 来的毫秒数

%(asctime)s：字符串形式的当前时间。默认格式是 “2003-07-08 16:49:45,896”。逗号后面的是毫秒

%(thread)d：线程ID。可能没有

%(threadName)s：线程名。可能没有

%(process)d：进程ID。可能没有

%(message)s：用户输出的消息

模块的使用：

import logging

# 打印到文件，并制定日志格式

logging.basicConfig(filename='access.log',

format='%(asctime)s - %(name)s - %(levelname)s -%(module)s: %(message)s',

datefmt='%Y-%m-%d %H:%M:%S %p',

level=10) # 日志级别

logging.debug('调试debug')

logging.info('消息info')

logging.warning('警告warn')

logging.error('错误error')

logging.critical('严重critical')

在access.log文件中会记录如下信息：

2017-12-07 10:53:20 AM - root - DEBUG -file_op: 调试debug

2017-12-07 10:53:20 AM - root - INFO -file_op: 消息info

2017-12-07 10:53:20 AM - root - WARNING -file_op: 警告warn

2017-12-07 10:53:20 AM - root - ERROR -file_op: 错误error

2017-12-07 10:53:20 AM - root - CRITICAL -file_op: 严重critical

日志模块的对象和使用

logging模块有Formatter，Handler，Logger，Filter对象。

分别指具有以下功能：

logger：产生日志的对象

Filter：过滤日志的对象

Handler：接收日志然后控制打印到不同的地方，FileHandler用来打印到文件中，StreamHandler用来打印到终端

Formatter对象：可以定制不同的日志格式对象，然后绑定给不同的Handler对象使用，以此来控制不同的Handler的日志格式,示例：

'''

critical=50

error =40

warning =30

info = 20

debug =10

'''

import logging

#1、logger对象：负责产生日志，然后交给Filter过滤，然后交给不同的Handler输出

logger=logging.getLogger(__file__)

#2、Filter对象：不常用，略

#3、Handler对象：接收logger传来的日志，然后控制输出

h1=logging.FileHandler('t1.log') #打印到文件，指定不同文件

h2=logging.FileHandler('t2.log') #打印到文件

h3=logging.StreamHandler() #打印到终端

#4、Formatter对象：日志格式

formmater1=logging.Formatter('%(asctime)s - %(name)s - %(levelname)s -%(module)s: %(message)s',

datefmt='%Y-%m-%d %H:%M:%S %p',)

formmater2=logging.Formatter('%(asctime)s : %(message)s',

datefmt='%Y-%m-%d %H:%M:%S %p',)

formmater3=logging.Formatter('%(name)s %(message)s',)

#5、为Handler对象绑定格式

h1.setFormatter(formmater1)

h2.setFormatter(formmater2)

h3.setFormatter(formmater3)

#6、将Handler添加给logger并设置日志级别

logger.addHandler(h1)

logger.addHandler(h2)

logger.addHandler(h3)

logger.setLevel(10)

#7、测试

logger.debug('debug')

logger.info('info')

logger.warning('warning')

logger.error('error')

logger.critical('critical')

提示：logger是第一级过滤，然后才能到handler，我们可以给logger和handler同时设置level

Logger也是根据日志级别首先对消息进行过滤 - 如果将logger设置为INFO，并且所有的handler设置为DEBUG，那么在handler上仍然不会收到DEBUG消息 - 它们将被logger本身拒绝。 如果将记录器设置为DEBUG，但所有handler都设置为INFO，则不会收到任何DEBUG消息 - 因为当logger说“ok，允许此操作”时，handlers却会拒绝它(DEBUG < INFO)

日志的应用

"""

logging配置

"""

import os

import logging.config

# 定义三种日志输出格式 开始

standard_format = '[%(asctime)s][%(threadName)s:%(thread)d][task_id:%(name)s][%(filename)s:%(lineno)d]' \

'[%(levelname)s][%(message)s]' #其中name为getlogger指定的名字

simple_format = '[%(levelname)s][%(asctime)s][%(filename)s:%(lineno)d]%(message)s'

id_simple_format = '[%(levelname)s][%(asctime)s] %(message)s'

# 定义日志输出格式 结束

logfile_dir = os.path.dirname(os.path.abspath(__file__)) # log文件的目录

logfile_name = 'all2.log' # log文件名

# 如果不存在定义的日志目录就创建一个

if not os.path.isdir(logfile_dir):

os.mkdir(logfile_dir)

# log文件的全路径

logfile_path = os.path.join(logfile_dir, logfile_name)

# log配置字典

LOGGING_DIC = {

'version': 1,

'disable_existing_loggers': False,

'formatters': {

'standard': {

'format': standard_format

},

'simple': {

'format': simple_format

},

},

'filters': {},

'handlers': {

#打印到终端的日志

'console': {

'level': 'DEBUG',

'class': 'logging.StreamHandler', # 打印到屏幕

'formatter': 'simple'

},

#打印到文件的日志,收集info及以上的日志

'default': {

'level': 'DEBUG',

'class': 'logging.handlers.RotatingFileHandler', # 保存到文件

'formatter': 'standard',

'filename': logfile_path, # 日志文件

'maxBytes': 1024*1024*5, # 日志大小 5M

'backupCount': 5,

'encoding': 'utf-8', # 日志文件的编码，再也不用担心中文log乱码了

},

},

'loggers': {

#logging.getLogger(__name__)拿到的logger配置

'': {

'handlers': ['default', 'console'], # 这里把上面定义的两个handler都加上，即log数据既写入文件又打印到屏幕

'level': 'DEBUG',

'propagate': True, # 向上（更高level的logger）传递

},

},

}

def load_my_logging_cfg():

logging.config.dictConfig(LOGGING_DIC) # 导入上面定义的logging配置

logger = logging.getLogger(__name__) # 生成一个log实例

logger.info('It works!') # 记录该文件的运行状态

if __name__ == '__main__':

load_my_logging_cfg()

使用：

"""

MyLogging Test

"""

import time

import logging

import my_logging # 导入自定义的logging配置

logger = logging.getLogger(__name__) # 生成logger实例

def demo():

logger.debug("start range... time:{}".format(time.time()))

logger.info("中文测试开始。。。")

for i in range(10):

logger.debug("i:{}".format(i))

time.sleep(0.2)

else:

logger.debug("over range... time:{}".format(time.time()))

logger.info("中文测试结束。。。")

if __name__ == "__main__":

my_logging.load_my_logging_cfg() # 在你程序文件的入口加载自定义logging配置

demo()

注意：

有了上述方式我们的好处是：所有与logging模块有关的配置都写到字典中就可以了，更加清晰，方便管理

我们需要解决的问题是：

1. 从字典加载配置：logging.config.dictConfig(settings.LOGGING_DIC)

2. 拿到logger对象来产生日志,logger对象都是配置到字典的loggers 键对应的子字典中的,按照我们对logging模块的理解，要想获取某个东西都是通过名字，也就是key来获取的

于是我们要获取不同的logger对象就是

logger=logging.getLogger('loggers子字典的key名')

但问题是：如果我们想要不同logger名的logger对象都共用一段配置，那么肯定不能在loggers子字典中定义n个key

'loggers': {

'l1': {

'handlers': ['default', 'console'], #

'level': 'DEBUG',

'propagate': True, # 向上（更高level的logger）传递

},

'l2: {

'handlers': ['default', 'console' ],

'level': 'DEBUG',

'propagate': False, # 向上（更高level的logger）传递

},

'l3': {

'handlers': ['default', 'console'], #

'level': 'DEBUG',

'propagate': True, # 向上（更高level的logger）传递

},

}

我们的解决方式是，定义一个空的key

'loggers': {

'': {

'handlers': ['default', 'console'],

'level': 'DEBUG',

'propagate': True,

},

}

这样我们再取logger对象时

logging.getLogger(name)，不同的文件name不同，这保证了打印日志时标识信息不同，但是拿着该名字去loggers里找key名时却发现找不到，于是默认使用key=''的配置