Python之模块详细梳理(四),关于相对导入报错最优雅解决方法

2024-08-27 17:08

本文主要是介绍Python之模块详细梳理(四),关于相对导入报错最优雅解决方法,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

相对导入

相对导入是指在同一个项目下不同模块之间相互导入,称为相对导入。

相对导入的案例

项目结构图如下:

项目名称project,该目录下有xx子项目和test.py模块。其中xx子目录下有y和z两个子目录,y子目录下有abc.py模块和yy.py模块,z子目录下有zz.py模块。yy.py是xx子项目的入口。test.py是整个项目的入口。

test.py模块的内容

"""
此模块是整个project项目的入口
"""from xx.y import yyyy.f2()
print(yy.num1, yy.num2, yy.num3)out:
123
10
hello
10 123 888

yy.py模块的内容

"""
此模块是xx子项目对外引用的入口
"""from .abc import *
from ..z.zz import *num3 = 888def f2():print(num2)print(num1)

zz.py模块的内容

"""
子项目,被导入的子模块
"""num1 = 10def f():print('hello')

abc.py模块的内容

"""
子项目,被导入的子模块
"""num2 = 123

以上就是模拟大型项目的框架结构,测试运行test.py模块可以看到输出正常,完全没有问题。

请仔细看yy.py模块的内容:

from .abc import *语句:. 表示当前目录,abc表示abc.py模块。

from ..z.zz import *语句,.. 表示父目录,z表示z文件夹,zz表示zz.py模块。

另外... 表示祖父目录,请熟悉from 路径标识结构。

相对导入:以from . 开头的语句,例如from .abc import *。

绝对导入:以文件夹或包或模块名开头的语句,例如from xx.y import yy。

以上暂未遇到报错,可如果你尝试调试yy.py模块,直接运行yy.py模块时会报错。

相对导入报错情况分析

是不是非常奇怪!为什么运行test.py模块调用yy.py模块时不报错,而直接脚本方式运行yy.py模块时会报错。我在网上找了很多资料没理出个头绪。后来找到有建议在yy.py模块中对sys.path添加路径,方法虽然可行但不优雅,也没有解释为什么yy.py模块被调用时不会报错,而直接运行yy.py会报错。

我针对被调用时不报错主动执行时报错的情况特地查了很多资料,做了仔细分析,关于上述这个特点我首先想到的是__name__,这个变量在被调用时和主动执行时内容是不一样的。后来针对模块调用查资料找到了__package__,这个变量在被调用时和主动执行时内容也是不一样的。

下面我们尝试打印__name__和__package__这两个变量,看看在被调用和主动执行时分别有什么不同。

修改yy.py模块文件内容

"""
此模块是xx子项目对外引用的入口
"""from .abc import *
from ..z.zz import *print(__name__)
print(__package__)
num3 = 888def f2():print(num2)print(num1)

执行test.py模块的结果:

xx.y.yy
xx.y
123
10
hello
10 123 888

直接执行yy.py的结果(暂时注释那2行相对导入的代码,要不然报错会导致看不到print打印内容):

相对导入报错的pythonic解决方法

认真观察yy.py模块被导入时打印的内容和主动执行时打印的内容不同之处。我想到了最pythonic的解决方案。

"""
此模块是xx子项目对外引用的入口
"""
__package__ = 'xx.y'from .abc import *
from ..z.zz import *num3 = 888def f2():print(num2)print(num1)

直接修改__package__变量的值为被调用时的值,这样主动运行yy.py模块时不再报错,被调用时也不报错。

以上是相对导入的知识点梳理,我在yy.py模块直接调试运行会报错这一问题上花费很多时间和精力,最终想到了最优雅的解决方式,希望对各位深入学python的朋友有所帮助,如果要转载请注明出处和作者是“皛心”。

这篇关于Python之模块详细梳理(四),关于相对导入报错最优雅解决方法的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1112264

相关文章

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别: 当你在一个模块(文件)中使用 global 声明变量时,这个变量只在该模块的全局命名空

深入探索协同过滤:从原理到推荐模块案例

文章目录 前言一、协同过滤1. 基于用户的协同过滤(UserCF)2. 基于物品的协同过滤(ItemCF)3. 相似度计算方法 二、相似度计算方法1. 欧氏距离2. 皮尔逊相关系数3. 杰卡德相似系数4. 余弦相似度 三、推荐模块案例1.基于文章的协同过滤推荐功能2.基于用户的协同过滤推荐功能 前言     在信息过载的时代,推荐系统成为连接用户与内容的桥梁。本文聚焦于

【C++】_list常用方法解析及模拟实现

相信自己的力量,只要对自己始终保持信心,尽自己最大努力去完成任何事,就算事情最终结果是失败了,努力了也不留遗憾。💓💓💓 目录   ✨说在前面 🍋知识点一:什么是list? •🌰1.list的定义 •🌰2.list的基本特性 •🌰3.常用接口介绍 🍋知识点二:list常用接口 •🌰1.默认成员函数 🔥构造函数(⭐) 🔥析构函数 •🌰2.list对象

【Python编程】Linux创建虚拟环境并配置与notebook相连接

1.创建 使用 venv 创建虚拟环境。例如,在当前目录下创建一个名为 myenv 的虚拟环境: python3 -m venv myenv 2.激活 激活虚拟环境使其成为当前终端会话的活动环境。运行: source myenv/bin/activate 3.与notebook连接 在虚拟环境中,使用 pip 安装 Jupyter 和 ipykernel: pip instal

如何解决线上平台抽佣高 线下门店客流少的痛点!

目前,许多传统零售店铺正遭遇客源下降的难题。尽管广告推广能带来一定的客流,但其费用昂贵。鉴于此,众多零售商纷纷选择加入像美团、饿了么和抖音这样的大型在线平台,但这些平台的高佣金率导致了利润的大幅缩水。在这样的市场环境下,商家之间的合作网络逐渐成为一种有效的解决方案,通过资源和客户基础的共享,实现共同的利益增长。 以最近在上海兴起的一个跨行业合作平台为例,该平台融合了环保消费积分系统,在短

浅谈主机加固,六种有效的主机加固方法

在数字化时代,数据的价值不言而喻,但随之而来的安全威胁也日益严峻。从勒索病毒到内部泄露,企业的数据安全面临着前所未有的挑战。为了应对这些挑战,一种全新的主机加固解决方案应运而生。 MCK主机加固解决方案,采用先进的安全容器中间件技术,构建起一套内核级的纵深立体防护体系。这一体系突破了传统安全防护的局限,即使在管理员权限被恶意利用的情况下,也能确保服务器的安全稳定运行。 普适主机加固措施:

webm怎么转换成mp4?这几种方法超多人在用!

webm怎么转换成mp4?WebM作为一种新兴的视频编码格式,近年来逐渐进入大众视野,其背后承载着诸多优势,但同时也伴随着不容忽视的局限性,首要挑战在于其兼容性边界,尽管WebM已广泛适应于众多网站与软件平台,但在特定应用环境或老旧设备上,其兼容难题依旧凸显,为用户体验带来不便,再者,WebM格式的非普适性也体现在编辑流程上,由于它并非行业内的通用标准,编辑过程中可能会遭遇格式不兼容的障碍,导致操

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

透彻!驯服大型语言模型(LLMs)的五种方法,及具体方法选择思路

引言 随着时间的发展,大型语言模型不再停留在演示阶段而是逐步面向生产系统的应用,随着人们期望的不断增加,目标也发生了巨大的变化。在短短的几个月的时间里,人们对大模型的认识已经从对其zero-shot能力感到惊讶,转变为考虑改进模型质量、提高模型可用性。 「大语言模型(LLMs)其实就是利用高容量的模型架构(例如Transformer)对海量的、多种多样的数据分布进行建模得到,它包含了大量的先验

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学