重复内容

知识点回顾：
1.导入官方库的三种手段
2.导入自定义库/模块的方式
3.导入库/模块的核心逻辑：找到根目录（python解释器的目录和终端的目录不一致）

作业：自己新建几个不同路径文件尝试下如何导入

导入机制的核心逻辑

导入库和模块的底层逻辑主要涉及路径搜索、代码加载和命名空间管理。Python通过import语句触发这一过程，其核心步骤包括：

1. 查找模块：解释器按sys.path列表顺序搜索目标模块文件（.py或.so等）。搜索路径包括：
   • 当前目录
   • 环境变量PYTHONPATH指定的路径
   • 标准库目录
   • 第三方库目录（如site-packages）

import sys
print(sys.path)  # 显示当前搜索路径列表

1. 编译与加载：找到模块文件后，Python会将其编译为字节码（生成.pyc文件），然后执行模块代码。模块内的代码仅在首次导入时执行一次，后续导入直接使用缓存。

2. 命名空间绑定：模块代码的执行结果（函数、类、变量等）会被注入到独立的命名空间，最终通过sys.modules缓存并绑定到当前作用域。

import math
print(math.__dict__)  # 查看模块命名空间内容

在模块和库导入的过程中需要注意的事项

动态导入与重载

对于按需导入或热更新场景，可使用importlib实现动态控制：

import importlib
module = importlib.import_module('module_name')  # 动态导入
importlib.reload(module)  # 强制重载模块

避免命名冲突

导入模块或库时需检查名称是否与现有变量或模块重复。若存在冲突，可通过别名（as）解决。例如：

import pandas as pd  # 避免与内置变量冲突

明确导入范围

优先使用显式导入（指定函数/类），而非通配符导入（*），以减少内存占用和命名污染。例如：

from numpy import array  # 显式导入
# 避免: from numpy import *

管理依赖版本

在项目中通过requirements.txt或pyproject.toml固定库版本，避免因版本差异导致兼容性问题。例如：

# requirements.txt
numpy==1.21.0

处理循环导入

模块间相互引用会导致循环导入错误。解决方案包括重构代码结构或将导入语句移至函数内部。例如：

# 模块A.py
def func():
    from moduleB import ClassB  # 延迟导入

路径问题

自定义模块需确保其所在目录在Python路径中。可通过sys.path.append()临时添加路径：

import sys
sys.path.append('/path/to/module')

性能优化

按需导入大型库（如tensorflow），或在脚本启动时检查环境依赖：

if __name__ == '__main__':
    import heavy_library  # 延迟导入

虚拟环境隔离

使用venv或conda创建独立环境，避免全局安装的库干扰项目运行：

python -m venv myenv

异常处理

捕获导入错误并提供友好提示，增强代码健壮性：

try:
    import obscure_library
except ImportError:
    print("请先安装obscure_library：pip install obscure_library")

@浙大疏锦行