what's the python之自定义模块和包
模块自定义
上节说了有关模块的知识，当时所说的模块都是内置模块，现在来看自己定制的模块，即模块也可以自定义。
模块的自定义就是指写一段python文件，一般情况下里面包含了可执行的语句和函数的定义，其实自定义的模块和内置模块的效果一样，都是使以后程序的操作更加方便，不用重复敲一样的代码，直接导入模块就可以使用。导入方式与内置模块相同，import+文件名，当然，自定义的模块增加了许多其他的导入方式，下文我们会详细介绍。
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。
现在我们来自定义一个模块：
#my_moudle.py print('from the my_moudle.py') money=1000 def read1(): print('my_moudle->read1->money',money) def read2(): print('my_moudle->read2 calling read1') read1() def change(): global money money=0
接下来就是示例模块的导入操作：
#另一个文件 import my_moudle #只在第一次导入时才执行my_moudle.py内代码,此处的显式效果是只打印一次'from the my_moudle.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 my_moudle#都没被执行 import my_moudle#都没被执行 import my_moudle#都没被执行 ''' 执行结果： from the my_moudle.py '''
注：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。
每一个模块都是独立的命名空间，程序在导入模块的时候就已经开辟了一个独立的名称空间，这样也就是说如果我们在程序的全局中给一个变量赋值，但恰好模块中也存在这个变量时，模块中的该变量的值不会被更改，我们赋值的那个变量存在于全局中，也就是说无论我们在文件中怎么操作，都不会改变模块中的内容。
注：其实是有一个方式可以改变模块中的内容的，但我们不会去那么做，因为这意味着你辛苦创建的模块会被别人篡改，就存在着很大的风险
下面我们进行一个小测试，自定义的模块即上文中的my_moudle
#测试一:money与my_moudle.money不冲突 #demo.py import my_moudle money=10 print(my_moudle.money)#全局中的赋值不会改变模块中相同变量的值 ''' 执行结果： from the my_moudle.py 1000 ''' #测试二：read1与my_moudle.read1不冲突 #demo.py import my_moudle def read1(): print('========') my_moudle.read1()#就算新定义了一个与模块中的函数同名的函数，也不会改变什么，只是在全局中存在了一个新的函数 ''' 执行结果: from the my_moudle.py my_moudle->read1->money 1000 ''' #测试三：执行my_moudle.change()操作的全局变量money仍然是my_moudle中的 #demo.py import my_moudle money=1 my_moudle.change() print(money)#此时模块中的变量值被改变，这就是改变模块内容的方法，不推荐使用 ''' 执行结果： from the my_moudle.py 1 '''
模块可以起别名，方式为import my_moudle as mmd，之后的使用中就可以用mmd来代替my_moudles
这有什么用呢？来看下面两种应用场景：
应用场景一：
有两种sql模块mysql和oracle，根据用户的输入，选择不同的sql功能
#mysql.py（第一个文件，我们定义的myspl模块） def sqlparse(): print('from mysql sqlparse') #oracle.py（第二个文件，我们定义的oracle模块） def sqlparse(): print('from oracle sqlparse') #test.py（第三个文件，是我们写程序的文件） db_type=input('>>: ') if db_type == 'mysql': import mysql as db elif db_type == 'oracle': import oracle as db db.sqlparse()#这样做就可以在之后的程序中只用db作为模块名，而db的功能其实是根据用户选择的模块相同 #即我们用了一个类似于虚拟的名字，但却可以根据情况不同随时变身然后行使不同的能力
应用场景二：
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
if file_format == 'xml': import xmlreader as reader elif file_format == 'csv': import csvreader as reader data=reader.read_date(filename) #神奇吧，我们只用reader但是却可以发挥不同的效果
注：模块在导入时不仅可以一行导入一个模块，还可以一行导入多个，如：import sys,os,re
模块导入的另一种方法：from+模块名+import+要导入的内容
我们知道import my_moudle的导入方式，会将源文件的名称空间'my_moudle'带到当前名称空间中，当前名称空间中有所有源文件名称空间的内容，并且使用时必须是my_moudle.名字的方式。而from 语句相当于import，也会创建新的名称空间，但是是将my_moudle中import后面要导入到内容直接导入到当前的名称空间中，在当前名称空间中，直接使用导入到内容的名字就可以了。
下面我们来测试这种方式导入的模块的一些特性：（与直接导入模块有相同之处也有不同支持）
#测试一：导入的函数read1，执行时仍然回到my_moudle.py中寻找全局变量money from my_moudle import read1 money=1000 read1() ''' 执行结果: from the my_moudle.py spam->read1->money 1000 与import my_moudle的性质相同 ''' #测试二:导入的函数read2，执行时需要调用read1(),仍然回到my_moudle.py中找read1() #demo.py from my_moudle import read2 def read1():#在全局中又定义的read1，但对模块无影响 print('==========') read2() ''' 执行结果: from the my_moudle.py my_moudle->read2 calling read1 my_moudle->read1->money 1000 ''' #测试三:导入的函数read1，被当前位置定义的read1覆盖掉了 #demo.py from my_moudle import read1 def read1(): print('==========') read1() ''' 执行结果: from the my_moudle.py ========== ''' #注意，这里的read1被更改了，也就是说这种导入模块的方式是有被覆盖的潜在可能的，所以我们要视需求选择导入的方式
注：python中的变量赋值不是一种存储操作，而只是一种绑定关系。所以变量的值被修改就是变量更改了其绑定的值，而内存中没有被绑定的值就会被回收，从内存中抹去
这种导入方法也支持取别名，也支持一行导入多个，与直接导入模块相同
模块的还有一种导入方式是from+模块名+import+*，这个方式就是将模块中除了下划线开头的名字的内容，其他的都导入到当前位置。当然，作为模块的那个文件，如果有不想被人调用的东西，在文件中加入__all__=[不想被导入的内容，如：‘money’，‘read1’]，这样就不会被以from+模块名+import+*的方式导入。但是！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。所以啊，尽量使用上面两种导入方式吧。
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。
模块也可以当做脚本运行，我们可以通过模块的全局变量__name__来查看模块名：
当模块做为脚本运行时：
print(__name__)#'__main__'
当做为模块导入到当前文件时：
print(__name__)= 模块名
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
def fib(n): a, b = 0, 1 while b < n: print(b, end=' ') a, b = b, a+b print() if __name__ == "__main__": print(__name__) num = input('num :') fib(int(num))
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my_moudle），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my_moudle.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
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') #windows下的路径不加r开头，会语法错误 sys.path.insert(0,r'C:\Users\Administrator\PycharmProjects\a')
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。
编译Python文件
为了提高加载模块的速度。python解释器会在__pycache__目录中下缓存每个模块编译后的版本，格式为：module.version.pyc。通常会包含python的版本号。例如，在CPython3.3版本下，my_moudle.py模块会被缓存成__pycache__/my_moudle.cpython-33.pyc。这种命名规范保证了编译后的结果多版本共存。
Python检查源文件的修改时间与编译的版本进行对比，如果过期就需要重新编译。这是完全自动的过程。并且编译的模块是平台独立的，所以相同的库可以在不同的架构的系统之间共享，即pyc使一种跨平台的字节码，是由python虚拟机来执行的，但是pyc的内容跟python的版本相关，不同的版本编译后的pyc文件不同，2.5编译的pyc文件不能到3.5上执行，并且pyc文件是可以反编译的，因而它的出现仅仅是用来提升模块的加载速度的。
了解部分：
python解释器在以下两种情况下不检测缓存
1 如果是在命令行中被直接导入模块，则按照这种方式，每次导入都会重新编译，并且不会存储编译后的结果（python3.3以前的版本应该是这样）
python -m my_moudle.py
2 如果源文件不存在，那么缓存的结果也不会被使用，如果想在没有源文件的情况下来使用编译后的结果，则编译后的结果必须在源目录下
提示：
1.模块名区分大小写，foo.py与FOO.py代表的是两个模块
2.你可以使用-O或者-OO转换python命令来减少编译模块的大小
-O转换会帮你去掉assert语句 -OO转换会帮你去掉assert语句和__doc__文档字符串 由于一些程序可能依赖于assert语句或文档字符串，你应该在在确认需要的情况下使用这些选项。
-O转换会帮你去掉assert语句 -OO转换会帮你去掉assert语句和__doc__文档字符串 由于一些程序可能依赖于assert语句或文档字符串，你应该在在确认需要的情况下使用这些选项。
3.在速度上从.pyc文件中读指令来执行不会比从.py文件中读指令执行更快，只有在模块被加载时，.pyc文件才是更快的
4.只有使用import语句是才将文件自动编译为.pyc文件，在命令行或标准输入中指定运行脚本则不会生成这类文件，因而我们可以使用compieall模块为一个目录中的所有模块创建.pyc文件
模块可以作为一个脚本（使用python -m compileall）编译Python源 python -m compileall /module_directory 递归着编译 如果使用python -O -m compileall /module_directory -l则只一层 命令行里使用compile()函数时，自动使用python -O -m compileall 详见：https://docs.python.org/3/library/compileall.html#module-compileall
附：dir()可以用来查找模块中定义的名字，返回一个有序字符串列表。dir()不会列举出内建函数或者变量的名字，它们都被定义到了标准模块builtin中，可以列举出它们，
包
包其实也是模块的一种类型，不过不同的是包不是指一个文件，而是文件夹的类型
包是一种通过使用“.模块名”来组织python模块名称空间的方式。
１. 无论是import形式还是from...import形式，凡是在导入语句中（而不是在使用时）遇到带点的，都要第一时间提高警觉：这是关于包才有的导入语法
2. 包是目录级的（文件夹级），文件夹是用来组成py文件（包的本质就是一个包含__init__.py文件的目录）
3. 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，导入包本质就是在导入该文件
强调：
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，包即模块
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
假设我们有这么一个包：
文件中的内容如下：
#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)
下面我们来学习有关包的知识点。
import和from+文件夹的名字+import+文件名
举例说明：
#import import glance.db.models glance.db.models.register_models('mysql') #from...import... from glance.db import models models.register_models('mysql') from glance.db.models import register_models register_models('mysql') #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
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。
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'] #policy是与__init__同级的文件，这里引入policy但不引入version是为了举例说明
#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）。
注意：
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。
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，同级只用一个.就可以，越级就要用..了（只能在一个包中使用，不能用于不同目录内）
举个栗子
#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()
注：在使用pycharm时，有的情况会为我们多做一些事情，这是软件相关的东西，会影响我们对模块导入的理解，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
特别需要注意的是：可以用import导入内置或者第三方模块（已经在sys.path中），但是要绝对避免使用import来导入自定义包的子模块(没有在sys.path中)，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。
这里利用图片对绝对导入和相对导入做一份相对详细的解释：
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，解决的方法是在包的子文件夹中的子文件写入导的过程，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中执行时就可以用了 import glance glance.cmd.manage.main()
有关__all__和from...import*的使用方法
