博客
关于我
22 模块原则
阅读量:646 次
发布时间:2019-03-14

本文共 1065 字,大约阅读时间需要 3 分钟。

原则:

  • 每个模块在被导入时,必须保证其所有代码可以顺利执行。
  • 在导入文件时,所有未缩进的代码都会被执行。
  • 示例:

    模块1:p1

    def func():    print("哈哈哈")    print("ooooo")

    导入:

    import p1print("*" * 10)

    结果:

    ooooo**********

    再看第二个示例:

    模块1:p1

    def func():    print("哈哈哈")    print("ooooo")    func()

    导入:

    import p1print("*" * 10)

    运行结果:

    ooooo哈哈哈**********

    问题:

    在实际开发中,主程序如何避免在被导入时执行?

    解决方法:

    使用__name__魔法方法。

    __name__特性:

  • 当文件用于测试程序时,__name__始终为'__main__'(字符串)。
  • 当文件作为模块导入时,__name__为文件名。
  • 示例:

    模块1:p1

    def run():    print("哈哈")    print(__name__)    run()

    导入:

    import p1print("*" * 10)

    运行结果:

    p1哈哈**********

    这样可以看到,导入时__name__的值变为文件名p1

    问题解决:

    如何让测试程序在被导入时不被执行?

    解决方法:

    使用条件判断。

    示例:

    文件名:p2

    def func():    a = "小猫"    b = "小狗"    return f"{a}在某个不经意的时刻便爱上了{s}" % (a, b)def func1():    a = "男人"    b = "女人"    return f"{a} 的责任就是让 {b} 放心{s}" % (a, b)

    导入:

    import p2print("*" * 10)

    结果:

    **********

    再看另一种导入方式:

    import p2print(p2.func())print(p2.func1())print("*" * 10)

    结果:

    小猫在某个不经意的时刻便爱上了小狗男人 的责任就是让 女人 放心**********

    理解了吗?

    模块标准语法:

    def func():    passdef func():    passdef func():    passdef func():    passdef main():    passif __name__ == "__main__":    main()

    转载地址:http://tdsoz.baihongyu.com/

    你可能感兴趣的文章
    NLog类库使用探索——详解配置
    查看>>
    NLP 基于kashgari和BERT实现中文命名实体识别(NER)
    查看>>
    NLP 模型中的偏差和公平性检测
    查看>>
    Vue3.0 性能提升主要是通过哪几方面体现的?
    查看>>
    NLP 项目:维基百科文章爬虫和分类【01】 - 语料库阅读器
    查看>>
    NLP_什么是统计语言模型_条件概率的链式法则_n元统计语言模型_马尔科夫链_数据稀疏(出现了词库中没有的词)_统计语言模型的平滑策略---人工智能工作笔记0035
    查看>>
    NLP、CV 很难入门?IBM 数据科学家带你梳理
    查看>>
    NLP三大特征抽取器:CNN、RNN与Transformer全面解析
    查看>>
    NLP入门(六)pyltp的介绍与使用
    查看>>
    NLP学习笔记:使用 Python 进行NLTK
    查看>>
    NLP度量指标BELU真的完美么?
    查看>>
    NLP的不同研究领域和最新发展的概述
    查看>>
    NLP的神经网络训练的新模式
    查看>>
    NLP采用Bert进行简单文本情感分类
    查看>>
    NLP问答系统:使用 Deepset SQUAD 和 SQuAD v2 度量评估
    查看>>
    NLP项目:维基百科文章爬虫和分类【02】 - 语料库转换管道
    查看>>
    NLP:从头开始的文本矢量化方法
    查看>>
    NLP:使用 SciKit Learn 的文本矢量化方法
    查看>>
    NLTK - 停用词下载
    查看>>
    nmap 使用总结
    查看>>