时间：2022-12-13 09:30:14 | 栏目：Python代码 | 点击：次
Python 的 import 机制基本上可以切分为三个不同的功能：
尽管 import 的表现形式千变万化，但是都可以归结为：import x.y.z 的形式，当然 import sys 也可以看成是 x.y.z 的一种特殊形式。而诸如 from、as 与 import 的结合，实际上同样会进行 import x.y.z 的动作，只是最后在当前名字空间中引入的符号各有不同。
然后导入模块，虚拟机会调用 __import__，那么我们就来看看这个函数长什么样子。
static PyObject *
builtin___import__(PyObject *self, PyObject *args, PyObject *kwds)
{
static char *kwlist[] = {"name", "globals", "locals", "fromlist",
"level", 0};
//初始化globals、fromlist都为NULL
PyObject *name, *globals = NULL, *locals = NULL, *fromlist = NULL;
int level = 0;//表示默认绝对导入
//从PyTupleObject中解析出需要的信息
if (!PyArg_ParseTupleAndKeywords(args, kwds, "U|OOOi:__import__",
kwlist, &name, &globals, &locals, &fromlist, &level))
return NULL;
//导入模块
return PyImport_ImportModuleLevelObject(name, globals, locals,
fromlist, level);
}
里面有一个PyArg_ParseTupleAndKeywords函数，我们需要提一下，它在虚拟机中是一个被广泛使用的函数，原型如下：
//Python/getargs.c
int PyArg_ParseTupleAndKeywords(PyObject *, PyObject *,
const char *, char **, ...);
这个函数的作用是参数解析，负责将 args 和 kwds 中所包含的所有对象（指针）按指定的格式 format 解析成各种目标对象，可以是 Python 的对象，例如 PyListObject、PyLongObject，也可以是 C 的原生对象。
我们知道这个 builtin__import__ 里面的参数 args 指向一个 PyTupleObject ，包含了 import 函数运行所需要的参数和信息，它是虚拟机在执行 IMPORT_NAME 指令的时候打包产生的。
然而在这里，虚拟机进行了一个逆动作，将打包后的这个 PyTupleObject 拆开，重新获得当初的参数。Python 在自身的实现中大量使用了这样的打包、拆包策略，使得可变数量的对象能够很容易地在函数之间传递。
该系列完结后，会介绍如何用 C 给 Python 写扩展，到时候会剖析这个函数的用法。
在完成了对参数的拆包动作之后，会进入 PyImport_ImportModuleLevelObject ，这个我们在 import_name 中已经看到了，当然它内部也是调用了 __import__。
另外每个包和模块都有一个__name__和__path__属性。
import numpy as np import numpy.core import six print(np.__name__, np.__path__) """ numpy ['C:\\python38\\lib\\site-packages\\numpy'] """ print(np.core.__name__, np.core.__path__) """ numpy.core ['C:\\python38\\lib\\site-packages\\numpy\\core'] """ print(six.__name__, six.__path__) """ six [] """
name__就是模块名或者包名，如果是包下面的包或者模块，那么就是包名.包名或者包名.模块名；至于__path__则是包所在的路径，对于模块而言， __path 为空列表。
此外还有一个 file 属性，对于模块而言就是其自身的完整路径；对于包而言则分两种情况，如果包内部存在 __init__.py 文件，那么得到的就是 __init__.py 文件的完整路径，没有则为 None。
下面来看一下不同的导入方式对应的字节码，然后在虚拟机的层面来理解这些导入方式。
以一个简单的模块导入为例：
import sys """ 0 LOAD_CONST 0 (0) 2 LOAD_CONST 1 (None) 4 IMPORT_NAME 0 (sys) 6 STORE_NAME 0 (sys) 8 LOAD_CONST 1 (None) 10 RETURN_VALUE """
这是我们一开始考察的例子，现在我们已经很清楚地了解了 IMPORT_NAME 的行为。在 IMPORT_NAME 指令的最后，虚拟机会将 PyModuleObject对象（指针）压入到运行时栈，随后会将 <"sys", PyModuleObject *> 存放到当前的 local名字空间中。
import sklearn.linear_model.ridge """ 0 LOAD_CONST 0 (0) 2 LOAD_CONST 1 (None) 4 IMPORT_NAME 0 (sklearn.linear_model.ridge) 6 STORE_NAME 1 (sklearn) 8 LOAD_CONST 1 (None) 10 RETURN_VALUE """
如果是级联导入，那么 IMPORT_NAME 的指令参数则是完整的路径信息，该指令的内部将解析这个路径，并为 sklearn, sklearn.linear_model, sklearn.linear_model.ridge都创建一个 PyModuleObject 对象，这三者都存在于 sys.modules 里面。
但是我们看到 STORE_NAME 是 sklearn，表示只有 sklearn 这个符号暴露在了当前模块的 local 空间里面。可为什么是sklearn呢？难道不应该是 sklearn.linear_model.ridge 吗？
其实经过我们之前的分析这一点已经不再是问题了，因为 import sklearn.linear_model.ridge并不是说导入一个模块或包叫做 sklearn.linear_model.ridge，而是先导入 sklearn，然后把 linear_model 放在 sklearn 的属性字典里面，再把 ridge 放在 linear_model 的属性字典里面。
同理 sklearn.linear_model.ridge 代表的是先从 local 空间里面找到 sklearn，再从 sklearn 的属性字典中找到 linear_model，然后在 linear_model 的属性字典里面找到ridge。因为 linear_model 和 ridge 已经在相应的属性字典里面，我们通过 sklearn 一级一级往下找是可以找到的，因此只需要将符号 skearn 暴露给 local 空间即可。
或者说暴露 sklearn.linear_model.ridge 本身就是不合理的，因为这表示导入一个名字就叫做 sklearn.linear_model.ridge 的模块或者包，但显然不存在。而即便我们创建了这样的一个模块或包，由于 Python 的语法解析规范依旧不会得到想要的结果。不然的话，假设 import test_import.a，那是导入名为 test_import.a 的模块或包呢？还是导入 test_import 下的 a 呢？
也正如我们之前分析的 test_import.a，我们在导入 test_import.a 的时候，会把 test_import 加载进来，然后把 a 加到 test_import 的属性字典里面，最后只需要把 test_import 返回即可。
因为通过 test_import 可以找到 a，或者说 test_import.a 代表的含义就是从 test_import 的属性字典里面获取 a，所以 import test_import.a 必须要返回 test_import，而且只需返回 test_import。
至于 sys.modules 里面虽然存在字符串名为 "test_import.a"的 key 的，但这是为了避免重复加载所采取的策略，它依旧表示从 test_import 的属性字典里面获取 a。
import pandas.core
print(pandas.DataFrame({"a": [1, 2, 3]}))
"""
a
0 1
1 2
2 3
"""
# 所以通过 pandas.DataFrame 是可以调用的
导入 pandas.core 会先导入 pandas，也就是执行 pandas 内部的 init 文件。虽然 sys.modules 里面同时有 "pandas" 和 "pandas.core"，但是暴露在 local 空间的只有 pandas，所以调用 pandas.DataFrame 是完全合理的。至于 pandas.core 显然它无法暴露，因为这不符合 Python 的变量命名规范，变量的名称里面不能出现小数点，它只是单纯地表示从 pandas 的属性字典中加载 core。
from sklearn.linear_model import ridge
"""
0 LOAD_CONST 0 (0)
2 LOAD_CONST 1 (('ridge',))
4 IMPORT_NAME 0 (sklearn.linear_model)
6 IMPORT_FROM 1 (ridge)
8 STORE_NAME 1 (ridge)
10 POP_TOP
12 LOAD_CONST 2 (None)
14 RETURN_VALUE
"""
注意此时的 2 LOAD_CONST 不再是 None 了，而是一个元组，虚拟机将 ridge 放到了当前模块的 local 空间中。并且 sklearn.linear_model 和 sklearn 都被导入了，存在 sys.modules 里面。
但是 sklearn 却并不在当前 local 空间中，尽管它被创建了，但是又被隐藏了。IMPORT_NAME 是 sklearn.linear_model，也表示导入 sklearn，然后把 sklearn 下面的 linear_model 加入到 sklearn 的属性字典里面。
而之所以 sklearn 没在 local 空间里面，可以这样理解。当只出现 import 的时候，那么我们必须从头开始一级一级向下调用，所以顶层的包必须加入到 local 空间里面。但这里通过 from ... import ...把 ridge 导出了，此时 ridge 已经指向了 sklearn 下面的 linear_model 下面的 ridge，那么就不需要 sklearn 了，或者说 sklearn 就没必要暴露在 local 空间里面了，但它确实被导入进来了。
并且 sys.modules 里面也不存在 "ridge"这个key，存在的是 "sklearn.linear_model.ridge"，暴露给 local空间的符号是 ridge。
所以正如上面所说，不管什么导入，都可以归结为 import x.y.z 的形式，只是暴露出来的符号不同罢了。
import sklearn.linear_model.ridge as xxx """ 0 LOAD_CONST 0 (0) 2 LOAD_CONST 1 (None) 4 IMPORT_NAME 0 (sklearn.linear_model.ridge) 6 IMPORT_FROM 1 (linear_model) 8 ROT_TWO 10 POP_TOP 12 IMPORT_FROM 2 (ridge) 14 STORE_NAME 3 (xxx) 16 POP_TOP 18 LOAD_CONST 1 (None) 20 RETURN_VALUE ""
这个和上面的 from & import 类似，"sklearn", "sklearn.linear_model", "sklearn.linear_model.ridge" 都在 sys.modules 里面。但是我们加上了 as xxx，那么这个 xxx 就直接指向了 sklearn 下面的 linear_model 下面的 ridge，此时就不需要 sklearn 了。
因此只有 xxx 暴露在了当前模块的 local空间里面，而 sklearn 虽然也被导入了，但它只在 sys.modules 里面，没有暴露给当前模块的 local 空间。
from sklearn.linear_model import ridge as xxx
这个我想连字节码都不需要贴了，和之前的 from & import 一样，只是最后暴露给 local 空间的 ridge 变成了我们自己指定的 xxx。
同函数、类一样，每个 PyModuleObject 也有自己的名字空间。一个模块不能直接访问另一个模块的内容，尽管模块内部的作用域比较复杂，比如：遵循 LEGB 规则，但是模块与模块之间的划分则是很明显的。
# test1.py
name = "古明地觉"
def print_name():
return name
# test2.py
from test1 import name, print_name
name = "古明地恋"
print(print_name()) # 古明地觉
执行 test2.py 之后，发现打印的依旧是"古明地觉"。我们说 Python 是根据 LEGB 规则进行查找，而 print_name 函数里面没有 name，那么去外层找。test2.py 里面的 name 是"古明地恋"，但是打印的依旧是 test1.py 里面的 "古明地觉"。为什么？
还是那句话，模块与模块之间的作用域划分的非常明显，print_name 是 test1.py 里面的函数，所以在返回 name 的时候，只会从 test1.py 中搜索，无论如何都是不会跳过test1.py、跑到 test2.py 里面的。
再来看个例子：
# test1.py name = "古明地觉" nicknames = ["小五", "少女觉"] # test2.py import test1 test1.name = "?古明地觉?" test1.nicknames = ["觉大人"] from test1 import name, nicknames print(name) # ?古明地觉? print(nicknames) # ['觉大人']
此时打印的结果变了，很简单，这里是直接把 test1 里面的变量修改了。因为这种方式，相当于直接修改 test1 的属性字典。那么后续再导入的时候，打印的就是修改之后的值。
# test1.py
name = "古明地觉"
nicknames = ["小五", "少女觉"]
# test2.py
from test1 import name, nicknames
name = "古明地恋"
nicknames.remove("小五")
from test1 import name, nicknames
print(name) # 古明地觉
print(nicknames) # ["少女觉"]
如果是 from test1 import name, nicknames，那么相当于在当前的 local空间中新创建变量 name 和 nicknames，它们和 test1 中的 name 和 nicknames 指向相同的对象。
name = "古明地觉" 相当于重新赋值了，所以不会影响test1里的 name；而 nicknames.remove 则是在本地进行修改，所以会产生影响。
以上就是模块（包）相关的内容，虽然一个项目可以有很多个文件，但是每个文件的执行原理是一致的。无论一个文件是作为模块被导入，还是直接作为启动文件被执行，虚拟机的执行流程都没有变化。
通过模块和包，我们便可以对项目进行功能上的划分，从而更好地组织项目。