初面网

Appearance

模块与包——import、pip、虚拟环境 ​

概念讲解 ​

模块（Module）：一个 .py 文件就是一个模块，可以被其他文件导入使用。

包（Package）：包含 __init__.py 的文件夹，可以包含多个模块。

mypackage/
    __init__.py      # 包初始化文件
    utils.py         # 模块
    config.py        # 模块
    subpackage/
        __init__.py
        helpers.py

为什么需要虚拟环境？

  • 不同项目依赖不同版本的库
  • 避免全局安装的包互相污染
  • 用 venv 创建轻量级虚拟环境（Python 3.3+ 内置）

代码示例 ​

模块的导入方式 ​

python
# 方式1：导入整个模块
import math
print(math.sqrt(16))  # 4.0

# 方式2：导入特定内容（推荐，减少命名空间污染）
from math import sqrt, pi
print(sqrt(16))  # 4.0

# 方式3：给模块起别名
import pandas as pd
import numpy as np

# 方式4：导入时重命名
from math import sqrt as square_root

# 条件导入（处理不同平台/版本）
try:
    import mymodule  # 自定义模块
except ImportError:
    print("mymodule 未安装，使用替代方案")

创建一个自己的包 ​

python
# utils/__init__.py
from .string_utils import trim, truncate
from .date_utils import format_date

__all__ = ['trim', 'truncate', 'format_date']
python
# utils/string_utils.py
def trim(text):
    """去除首尾空白"""
    return text.strip()

def truncate(text, max_length=50):
    """截断长文本"""
    if len(text) <= max_length:
        return text
    return text[:max_length - 3] + "..."
python
# 主程序中使用
from utils import trim, truncate, format_date
print(trim("  hello  "))  # hello
print(truncate("这是一个很长的文本内容...", 10))  # 这是一个很...

虚拟环境与依赖管理 ​

bash
# 创建虚拟环境
python -m venv myenv

# 激活（Windows PowerShell）
.\myenv\Scripts\Activate.ps1

# 激活（Linux/macOS）
# source myenv/bin/activate

# 安装依赖
pip install requests
pip install -r requirements.txt

# 导出依赖
pip freeze > requirements.txt
txt
# requirements.txt 示例
requests==2.31.0
pandas==2.1.0
numpy==1.26.0

练习题 ​

题目：开发一个小工具包，实现以下功能：

  1. 创建一个名为 texttools 的包
  2. 实现 word_count 函数：统计文本中的中英文单词数
  3. 实现 extract_numbers 函数：从字符串中提取所有数字
  4. 在 __init__.py 中正确导出
  5. 编写使用示例
参考答案
python
# texttools/__init__.py
from .counter import word_count
from .extractor import extract_numbers

__all__ = ['word_count', 'extract_numbers']
__version__ = '1.0.0'
python
# texttools/counter.py
import re

def word_count(text):
    """
    统计中英文单词数
    中文按字符统计（每个汉字算一个词）
    英文按空格分隔统计
    """
    # 提取英文单词
    english_words = re.findall(r'[a-zA-Z]+', text)
    # 提取中文字符（中文词语简单按字统计）
    chinese_chars = re.findall(r'[\u4e00-\u9fff]', text)
    return {
        'english_words': len(english_words),
        'chinese_chars': len(chinese_chars),
        'total': len(english_words) + len(chinese_chars)
    }
python
# texttools/extractor.py
import re

def extract_numbers(text):
    """
    从字符串中提取所有数字（整数或浮点数）
    返回数字列表
    """
    pattern = r'-?\d+\.?\d*'
    matches = re.findall(pattern, text)
    numbers = []
    for m in matches:
        numbers.append(float(m) if '.' in m else int(m))
    return numbers
python
# 使用示例
from texttools import word_count, extract_numbers

text = "Hello 你好 Python 很棒 123"
print(word_count(text))
# {'english_words': 3, 'chinese_chars': 5, 'total': 8}

numbers = extract_numbers("订单号A123，总价456.78元，折扣-10%")
print(numbers)  # [123, 456.78, -10]

关键思维：

  • 每个模块专注一件事
  • __init__.py 的 __all__ 定义公开接口
  • 用 re 模块处理复杂的文本匹配
  • 合理的包结构便于复用和发布到 PyPI