pycharm导入jieba包_Python中导入完整指南:绝对、相对等（1）

如何规划你的代码，使导入简洁和清晰

导入不仅仅是使用外部库的问题，它还允许你保持代码的简洁和有组织。在本教程中，我们将讨论从最基本的导入到复杂的主题，比如对包中模块的延迟加载。你可以直接跳到最让你感兴趣的部分。

导入介绍

在Python中，每当你想要导入一个模块时，你都要执行以下操作:

在这个情况中，sys是一个Python标准库，它提供了与解释器本身进行交互的函数。Python为不同的任务提供了大量的库。你可以在这里找到他们。如果你想使用这个模块中定义的函数，你只需要简单地执行:

这将终止你的Python会话。sys可以做的事情比仅仅退出解释器要多得多。它还可以告诉你是否正在运行一个带有一些参数的脚本。例如，你可以将以下内容写入文件test_argv.py:

现在，你可以运行该文件，看看输出是什么:

导入整个sys模块可能不是我们想要的，因为我们只使用它的一个函数。在这种情况下，我们也可以选择我们想要导入的内容:

输出是一样的。理解什么时候使用完整的导入或者什么时候只选择需要的导入，在很大程度上取决于你的个人偏好、你想要实现什么，以及库需要什么。

导入 *

在上面的例子中，我们已经看到我们只从sys中导入了一个模块。如果我们想要导入更多的模块，我们可以在同一行中指定它们，例如:

你可以导入任意数量的包。为了避免行变得太长，通常的做法是将它们垂直堆叠。例如，你可以像这样:

注意使用(，)来创建一个清晰的导入列表。可以想象，如果你需要从一个包中导入很多模块，那么列出你所需的所有模块就会变得很麻烦。因此，你可能希望一次性导入所有可用的模块。Python允许你这样做来实现它:

然而，这是一个非常不鼓励的做法。由于你导入的模块没有控制，所以有些函数可能会被覆盖。让我们通过下面的例子来看一下:

也许你已经意识到，time有一个名为sleep的函数，它会在给定的秒数内暂停程序的执行。如果你像下面这样编写和运行一个脚本:

你会注意到“Here”和“After”这两行之间没有延迟。这里发生的是，time和asyncio都定义了一个行为方式非常不同的函数sleep。你需要记住大量的知识才能理解正在发生的事情，所以大多数开发人员在导入时都避免使用*。

time和asyncio的情况比较特殊，因为它们都属于标准Python库。当你开始使用别人定义的库时，有时你很难知道并记住所有定义的模块和函数。此外，有些名称非常方便(比如sleep)，你可能会在不同的包中发现它们的定义。

除非你确切地知道你需要导入什么以及为什么要导入*，否则使用我们在文章中看到的第一个语法是非常明智的:

现在，即使你以前没有使用过asyncio库，你也可以确切地知道发生了什么。当我们讨论导入模块时，我们将会更加清楚Python导入机制的工作方式。

导入为…

在导入模块时，有时我们会发现自己处于这样一种情况:两个包定义了同名的不同函数。都定义了sleep的time和asyncio就是这种情况。为了在导入时避免这种名称冲突，Python允许我们更改导入内容的名称。我们可以这样做:

通过这种方式，我们可以使用来自time或者asyncio的sleep并避免名称冲突。这样做，我们只导入我们想要的模块，而不是整个包，但是仍然保持我们的选择的灵活性。

上面的例子只是import as很方便的一种情况。如果你习惯于使用Python绘制图表，那么你可能会遇到这样的行:

以上三行在许多科学项目中是普遍存在的。它们是如此常见，以至于Pycharm等编辑器如果看到包含np…之类内容的行，就会建议你导入numpy。在上面的示例中，import as的导入不是为了防止名称冲突，而是为了使记号更方便一些。代替输入以下内容:

你只需简单地输入:

不同的包有不同的快捷方式。例如，PyQtGraph通常被缩写为pg，当然不同的字段使用不同的缩写。将Numpy作为np或Pandas作为pd导入不是强制性的。然而，由于社区是这样做的，它将使你的代码更具可读性。

备注

如果你浏览StackOverflow，你会经常看到，numpy被导入的那一行被省略了，你只看到np的使用。

导入你的代码

到目前为止，我们已经看到了如何导入其他人开发的包和模块。然而，导入是一个很好的工具，它可以将代码的不同部分结构化到不同的文件中，使其更易于维护。因此，你迟早会发现自己需要导入你自己的代码。让我们从简单的开始，并逐步增加复杂性。让我们在一个名为first.py的文件中放置以下代码:

在另一个文件中，我们称它为second.py，我们输入以下代码:

你可以运行它:

这很简单。你在一个文件中定义了一个函数，但在另一个文件中使用了该函数。请记住，我们在前面几节中讨论的内容仍然适用。例如，你可以from first import first_function as ff。只有脚本只是一个开始。有时，你还会将代码组织到文件夹中。让我们创建一个名为module_a的文件夹，其中有一个名为third.py的新文件。那么，该文件夹的结构是这样的:

让我们在third中添加一个新函数。请记住这些例子，它们是非常基础的，是为了不丢失重要的概念:

现在，让我们编辑second.py来导入这个新函数:

如果你像以前一样运行它，你将得到以下输出:

注意我们用来导入third_function的记号。我们指定了文件夹，在本例中是module_a，然后我们用点:..来引用此文件。最后我，们得到了module_a.third，并且去除了.py。这已经允许你大量改进你的代码及其结构，但这只是冰山一角。

有时，当你开始安装库时，它们具有依赖项，你会很容易丢失所安装的每个包的踪迹。让我们看一个非常简单的例子。我假设你已经安装了numpy(但是，下面的示例将使用几个包)。创建一个名为numpy的新文件夹，其中有一个名为sleep.py的文件。文件夹结构最终看起来会像这样:

在文件sleep.py中，编写以下代码行:

这是一个非常简单的例子。现在我们可以使用我们的新函数sleep来更新second.py了:

现在的主要问题是，Python如何知道它应该导入你刚刚定义的sleep，而不是真正的numpy中的模块呢?如果你继续并运行代码，你应该会得到以下错误:

这个异常是完全难以理解的。它告诉你Python试图在numpy包中寻找一个名为sleep的模块，而不是在我们的文件夹中。这个问题的快速解决方案是在numpy文件夹中创建一个名为__init__.py的空文件:

如果你再次运行代码，你不会看到任何问题:

要解释发生了什么，你需要了解Python是如何在你的计算机上查找包的。这个主题很复杂，而且Python允许你进行大量的自定义。一旦你有了经验，官方文档就会让你对这件事有所了解。简而言之，Python将首先查看你要导入的内容是否属于标准库。这意味着，如果我们调用的是文件夹time而不是numpy，那么行为就会有所不同。

如果Python没有在其标准库中找到该模块，它将检查外部模块。这个操作也是以一种非常特殊的顺序进行的。它将首先在当前目录中进行搜索，然后移动到包安装的目录(例如，当你执行pip install numpy时)。因此，我们可以扪心自问，为什么在第一个例子中它不起作用，而在第二个例子中，在添加了空的__init__.py之后，它就起作用了呢?

要让Python认识到一个目录是一个模块，也该目录必须包含一个__init_ .py文件。这样做是为了防止意外的名称冲突，比如我们的示例中numpy发生的情况。假设你开始开发另一个需要使用numpy的程序。你如何确定你将导入正确的numpy而不是我们刚刚开发的那个?Python允许你检查它将查找哪些目录来导入:

上面的代码将列出属于该路径的所有目录。你可能会看到一个包含4个或6个文件夹的列表，其中大多数都是非常有逻辑的:Python安装的地方，你的虚拟环境文件夹等等。

将目录添加到路径(Path)

人们可以问的下一个逻辑问题是，Python查找模块的路径是否可以修改，答案是肯定的。第一个选项是在运行时修改它。你可以很容易地将一个目录附加到变量sys.path。一个比较常见的做法是将当前目录添加到路径列表中:

如果你浏览一下上面的代码，你会发现它们都很简单。你可以添加任何你想要的路径，不一定是当前目录。这种方法的优点之一是，你只会在程序运行时修改系统路径。如果你运行了两个不同的程序，每个程序都有自己的路径。

另一个选项是修改PYTHONPATH环境变量。环境变量在每个操作系统上都是可用的，惟一的区别是你如何设置和修改它们。许多程序都是这样设计的:你可以通过设置一些全局变量来修改它们的行为，这些全局变量由操作系统本身存储和处理。

如果你是在Linux或Mac上，设置这些变量的命令是export，你将执行以下操作:

第一行将文件夹/home/user附加到变量PYTHONPATH。注意，我们使用了:作为一个目录分隔符。

如果你是在Windows上，你需要右键点击“电脑”，选择“属性”。在“环境变量”选项中选择“高级系统设置”。如果PYTHONPATH存在，你可以修改它，如果它不存在，你可以点击“新建”来创建它。记住,在Windows上,你必须使用;来分隔目录,因为:是文件夹路径的一部分(例如:C:\Users\Test\…)。

一旦你修改了你的Python Path，你可以运行以下代码:

你将看到/home/user出现在目录列表的顶部。你可以添加另一个目录，例如:

你会看到它也会出现。向Python Path中添加信息是在你自己的计算机上开发一个结构的好方法，通过将代码放在不同的文件夹中等等。它也会变得难以维护。作为一个快速说明，Python允许你在运行时读取环境变量:

注意，在Windows上，对环境变量的更改是永久性的，但是在Linux和Mac上，如果你希望保留这些变量，则需要执行额外的步骤。

PYTHONPATH和虚拟环境

当你使用虚拟环境时，有一个非常方便的技巧，即在激活或停用环境变量时修改它们。这在Linux和Mac上是无缝的，但是Windows用户可能需要一些修改来适应下面的例子。

例如，如果你查看activate脚本(位于文件夹venv/bin中)，你可以得到关于如何处理PATH变量的灵感。第一步是存储旧变量，在修改它之前，然后添加我们想要的任何东西。当我们停用虚拟环境时，我们将旧变量设置回来。

虚拟环境有三个钩子来确切地实现这一点。在activate脚本旁边，你将看到另外三个文件，分别是postactivate、postdeactivate和predeactivate。让我们修改一下postactivate，如果你以前从未使用过它，那么它应该是空的。添加以下内容:

在下次激活虚拟环境时，你将把目录/home/user添加到PYTHONPATH中。在停用你的环境之后，返回到python路径的原始版本是一个很好的做法。你可以通过编辑predeactivate文件来实现:

这样，我们将变量设置为激活之前的状态，并删除我们创建的额外变量。注意，如果你不停用该环境，而只是关闭终端，那么对PYTHONPATH的更改将不会被保存。如果你从一个环境切换到另一个环境并一直使用相同的终端，那么predeactivate脚本非常重要。

PYTHONPATH 和 PyCharm

如果你是PyCharm的用户，并且周围的大多数IDE可能与你的类似，那么你可以在此程序中直接更改环境变量。如果你打开Run菜单，并选择Edit Configurations，你会看到以下菜单:

在这些选项之间，你可以看到，例如，“将内容根目录添加到PYTHONPATH”。这就是在Pycharm中导入可以开箱即用的原因，但是如果你直接从终端运行相同的代码，可能会出现一些问题。如果你点击右边写着“环境变量”的小图标，你也可以编辑环境变量。

从长远来看，关注环境变量可以避免问题。例如，特别是如果两个开发人员共享一台计算机(这在实验室中是很常见的情况)，并在PC上控制实验，那么，软件会被多个用户编辑。也许一个人会将环境变量设置为指向某个特定的路径，而这并不是第二个人所期望的。

英文原文：https://www.pythonforthelab.com/blog/complete-guide-to-imports-in-python-absolute-relative-and-more/ 
译者：一瞬