Python __future__ 模块
来源:互联网 发布:自己设计算法 编辑:程序博客网 时间:2024/05/21 09:07
在Python2.7代码中经常能看到使用__future__模块。那么__future__到底是做什么的呢?
简介
从单词含义上猜应该是“未来”的模块。它有下面几个目的:
- 避免和现有分析import工具混淆,并得到你期望的模块
- 确保2.1之前的版本导入__future__产生运行时异常,因为2.1之前没有这个模块
- 文档化不兼容的改变,通常这些改变会在新版中强制执行。这类文档以可执行的形式组织,通过导入__future__进行可编程式的检查。
以上是对官方解释的粗略翻译,翻译起来感觉有些拗口。我是这么理解的,某个版本中出现了某个新的功能特性,而且这个特性和当前版本中使用的不兼容,也就是它在该版本中不是语言标准,那么我如果想要使用的话就需要从__future__模块导入。在2.1版本之前并没有__future__,所以使用它会引发异常。当然,在以后的某个版本中,比如说3中,某个特性已经成为标准的一部分,那么使用该特性就不用从__future__导入了。
下面说一下__future__是如何实现新特性的。
_Feature类
__future__.py中有形如下面的语句:
FeatureName = _Feature(OptionalRelease, MandatoryRelease, CompilerFlag)class _Feature: def __init__(self, optionalRelease, mandatoryRelease, compiler_flag): self.optional = optionalRelease # 某个特性被认可的初始版本 self.mandatory = mandatoryRelease # 某个特性成为标准的版本 self.compiler_flag = compiler_flag def getOptionalRelease(self): """Return first release in which this feature was recognized. This is a 5-tuple, of the same form as sys.version_info. """ return self.optional def getMandatoryRelease(self): """Return release in which this feature will become mandatory. This is a 5-tuple, of the same form as sys.version_info, or, if the feature was dropped, is None. """ return self.mandatory def __repr__(self): return "_Feature" + repr((self.optional, self.mandatory, self.compiler_flag))
OptionalRelease参数
通常OptionalRelease版本小于MandatoryRelease,每个都是5个元素的元组,类似sys.version_info。
(PY_MAJOR_VERSION, # the 2 in 2.1.0a3; an intPY_MINOR_VERSION, # the 1; an intPY_MICRO_VERSION, # the 0; an intPY_RELEASE_LEVEL, # "alpha", "beta", "candidate" or "final"; stringPY_RELEASE_SERIAL # the 3; an int)# 例如: (2, 1, 0, "alpha", 3)表示2.1.0a3版
OptionalRelease版本中开始通过下列方式使用某个特性:
from __future__ import FeatureName
MandatoryRelease参数
在MandatoryRelease版本中该特性变成Python标准的一部分。此外MandatoryRelease版本后不需要上面的导入语句就能使用该特性。MandatoryRelease可能是None,表示一个计划中的特性被放弃了。
CompilerFlag参数
CompilerFlag编译器标志,它是一个位域标志,传给内建函数compile()做第四个参数,用来在动态编译代码的时候允许新的特性。
CompilerFlag值等价于Include/compile.h的预定义的CO_xxx标志。
Python2 __future__模块的features
一共是以下7种,其对应的CompilerFlag:
all_feature_names = [ "nested_scopes", "generators", "division", "absolute_import", "with_statement", "print_function", "unicode_literals",]CO_NESTED = 0x0010 # nested_scopesCO_GENERATOR_ALLOWED = 0 # generators (obsolete, was 0x1000)CO_FUTURE_DIVISION = 0x2000 # divisionCO_FUTURE_ABSOLUTE_IMPORT = 0x4000 # perform absolute imports by defaultCO_FUTURE_WITH_STATEMENT = 0x8000 # with statementCO_FUTURE_PRINT_FUNCTION = 0x10000 # print functionCO_FUTURE_UNICODE_LITERALS = 0x20000 # unicode string literals
nested_scopes
nested_scopes = _Feature((2, 1, 0, "beta", 1), (2, 2, 0, "alpha", 0), CO_NESTED)
nested_scopes指的是嵌套作用域,2.1.0b1中出现,2.2.0a0中成为标准。
提到作用域,那么就不得不说命名空间。
命名空间的定义
Python命名空间是名称到对象的映射,目前是用字典实现,键名是变量名,值是变量的值。比如:
>>> x = 3>>> globals(){'__builtins__': <module '__builtin__' (built-in)>, '__name__': '__main__', '__doc__': None, 'x': 3, '__package__': None}
可以看到变量x,3以字典的形式存放在globals空间内。以之对应的名称空间还有:locals()。
>>> locals(){'__builtins__': <module '__builtin__' (built-in)>, '__name__': '__main__', '__doc__': None, 'x': 3, '__package__'
实际上,你可以通过向名字添加键名和值,然后就可以直接使用名称了:
>>> globals()['y'] = 5>>> y5
通常,我们用属性来称呼'.'点号之后的名称为属性。比如,在z.real中,real是z的一个属性。严格来说,模块中的名称引用就是属性引用。modname.funcname中,modname是一个模块对象,而funcname是它的一个属性。模块属性和全局名称有映射关系,它们共享全局命名空间。上面代码中的x和y都是模块main的属性。
属性可能是只读的,也可能是可写的。模块属性是可写的,你可以这么做,modname.the_answer = 42。可写的属性能够用del语句来删除。比如,del modname.the_answer将会从模块modname中删除the_answer属性。
>>> x = 3>>> globals(){'__builtins__': <module '__builtin__' (built-in)>, '__package__': None, 'func': <function func at 0x029FA270>, 'x': 3, '__name__': '__main__', '__doc__': None}>>> del x>>> globals(){'__builtins__': <module '__builtin__' (built-in)>, '__package__': None, 'func': <function func at 0x029FA270>, '__name__': '__main__', '__doc__': None}
del做的事实际上是删除了全局名称字典中的x键值。
命名空间的种类
Python中有三种命名空间:
a) 局部,函数内的命名空间就是局部的,它记录了函数的变量,包括函数的参数和局部定义的变量。
b) 全局,模块内的命名空间就是全局的,它记录了模块的变量,包括函数、类、其它导入的模块、模块级的变量和常量。
c) 内置,包括异常类型、内建函数和特殊方法,可以代码中任意地方调用;
上面提到的globals是全局命名空间,locals是局部命名空间。
命名空间会在不同的时间创建,并有不同的生命周期。包含内置名称的命名空间是在python解释器启动的时候创建的,并且不会被删除。一个模块的全局命名空间是在模块定义代码被读入的时候创建的,一般情况下,模块命名空间会持续到解释器结束。在解释器最上层调用的代码,不管是从脚本中读入的还是在交互式界面中,都会被认为是属于一个叫做main模块的,所以它们有自己的全局命名空间。(内置名称实际上也放置在一个模块中,称为builtins)。
一个函数的局部命名空间在函数被调用的时候创建,在函数返回或者引发一个不在函数内部处理的异常时被删除。(实际上用遗忘来描述这个删除比较好。)当然了,递归调用的函数每个都有它们自己的命名空间。
命名空间的可见性(作用域)
作用域是一个Python程序中命名空间直接可见的代码区域,也就是说这个区域内可以直接使用命名空间内的名称。
a) 内置命名空间在代码所有位置都是可见的,所以可以随时被调用;
b) 全局命名空间和局部命名空间中, 如果有同名变量,在全局命名空间处,局部命名空间内的同名变量是不可见的;
c) 在局部命名空间处,全局命名空间的同名变量是不可见的(只有变量不同名的情况下,可使用 global关键字让其可见)。
命名空间的查找顺序
a) 如果在函数内调用一个变量,先在函数内(局部命名空间)查找,如果找到则停止查找。否则在函数外部(全局命名空间)查找,如果还是没找到,则查找内置命名空间。如果以上三个命名都未找到,则抛出NameError 的异常错误。
b) 如果在函数外调用一个变量,则在函数外查找(全局命名空间,局部命名空间此时不可见),如果找到则停止查找,否则到内置命名空间中查找。如果两者都找不到,则抛出异常。只有当局部命名空间内,使用global 关键字声明了一个变量时,查找顺序则是 a) 的查找顺序。
nested_scopes说明
Python2.2引入了一种略有不同但重要的改变,它会影响命名空间的搜索顺序:嵌套的作用域。在2.0中,当你在一个嵌套函数或 lambda 函数中引用一个变量时,Python会在当前(嵌套的或 lambda)函数的名称空间中搜索,然后在模块的名称空间。2.2将支在当前(嵌套的或 lambda)函数的名称空间中搜索,然后是在父函数的名称空间,接着是模块的名称空间。2.1可以两种方式工作,缺省地,按n2.0的方式工作,如果想像2.2中那样工作,使用下面的导入语句:
from __future__ import nested_scopes
当然现在一般都用2.7或者3了,所以已经是嵌套作用域了。
来看下面一段代码:
>>> x = 3>>> globals(){'__builtins__': <module '__builtin__' (built-in)>, '__package__': None, 'func': <function func at 0x028BA2B0>, 'x': 3, '__name__': '__main__', '__doc__': None}>>> def func(): x = 2 print locals()>>> func(){'x': 2}>>> globals(){'__builtins__': <module '__builtin__' (built-in)>, '__package__': None, 'func': <function func at 0x028BA2B0>, 'x': 3, '__name__': '__main__', '__doc__': None}
全局命名空间中x的值前后并没有改变,反而在func函数的局部命名空间中产生了一个新的名称x。由此可以看出,外层作用域的命名空间对于内层来说是只读的,当写一个同名的名称时,只会在内层生成一个新的名称。但是如果一个名称被声明为global,对其引用和复制都会直接作用域全局名称。
>>> x = 2>>> def func(): global x x = 3 print locals()>>> globals(){'__builtins__': <module '__builtin__' (built-in)>, '__package__': None, 'func': <function func at 0x029FA270>, 'x': 2, '__name__': '__main__', '__doc__': None>>> func(){}>>> globals(){'__builtins__': <module '__builtin__' (built-in)>, '__package__': None, 'func': <function func at 0x029FA270>, 'x': 3, '__name__': '__main__', '__doc__': None}
x的值前后改变了,而且func函数中也没用增加x。
import module和from module import func
import module将模块自身导入到当前命名空间,所以如果要使用module的某个函数或属性,只能module.func这么用。
而使用from module import func,则是将函数func导入当前的名称空间,这时候使用这个函数就不需要模块名称而是直接使用func。
我们通过一段代码来描述:
>>> globals(){'__builtins__': <module '__builtin__' (built-in)>, '__package__': None, '__name__': '__main__', '__doc__': None}>>> import os>>> globals(){'__builtins__': <module '__builtin__' (built-in)>, '__package__': None, '__name__': '__main__', 'os': <module 'os' from 'C:\Python27\lib\os.pyc'>, '__doc__': None}>>> del os>>> from os import sys>>> globals(){'__builtins__': <module '__builtin__' (built-in)>, '__package__': None, 'sys': <module 'sys' (built-in)>, '__name__': '__main__', '__doc__': None}
是不是很清晰,担任sys也是一个模块,如果要使用sys模块的属性,也必须要使用sys模块名了。这也是嵌套作用域的一个例子。
额。。。貌似本文的正题是__future__,哈哈,扯远了,我们继续来看下面一个feauture。
generators
generators = _Feature((2, 2, 0, "alpha", 1), (2, 3, 0, "final", 0), CO_GENERATOR_ALLOWED)
generators生成器起于2.2.0a1版,在2.3.0f0中成为标准。
简介
生成器是这样一个函数,它记住上一次返回时在函数体中的位置。对生成器函数的第二次(或第 n 次)调用跳转至该函数中间,而上次调用的所有局部变量都保持不变。Python中yeild就是一个生成器。
yield 生成器的运行机制
当你问生成器要一个数时,生成器会执行,直至出现 yield 语句,生成器把 yield 的参数给你,之后生成器就不会往下继续运行。 当你问他要下一个数时,他会从上次的状态。开始运行,直至出现yield语句,把参数给你,之后停下。如此反复直至退出函数。
示例
>>> def my_generator(): yield 1 yield 2 yield 3>>> gen = my_generator()>>> gen.next()1>>> gen.next()2>>> gen.next()3>>> gen.next()Traceback (most recent call last): File "<pyshell#92>", line 1, in <module> gen.next()StopIteration>>> for n in my_generator: print n123
yield在被next调用之前并没有执行(for循环内部也是使用next),在执行完最后一个yield之后再继续调用next,那么就好遇到StopIteration异常了。这里涉及到迭代器了,不再进行详细的描述了,后面会单开一章来讲Python的三大器:迭代器、生成器、装饰器。
division
division = _Feature((2, 2, 0, "alpha", 2), (3, 0, 0, "alpha", 0), CO_FUTURE_DIVISION)
这个很简单,举例说明一下大家就懂了。
# python2.7中,不导入__future__>>> 10/33# 导入__future__>>> from __future__ import division>>> 10/33.3333333333333335
很容易看出来,2.7中默认的整数除法是结果向下取整,而导入了__future__之后除法就是真正的除法了。这也是python2和python3的一个重要区别。
absolute_import
absolute_import = _Feature((2, 5, 0, "alpha", 1), (3, 0, 0, "alpha", 0), CO_FUTURE_ABSOLUTE_IMPORT)
python2.7中,在默认情况下,导入模块是相对导入的(relative import),比如说
from . import jsonfrom .json import json_dump
这些以'.'点导入的是相对导入,而绝对导入(absolute import)则是指从系统路径sys.path最底层的模块导入。比如:
import osfrom os import sys
with_statement
with_statement = _Feature((2, 5, 0, "alpha", 1), (2, 6, 0, "alpha", 0), CO_FUTURE_WITH_STATEMENT)
with语句也不详细讲了,看这篇浅谈Python的with语句
print_function
print_function = _Feature((2, 6, 0, "alpha", 2), (3, 0, 0, "alpha", 0), CO_FUTURE_PRINT_FUNCTION)
这个就是最经典的python2和python3的区别了,python2中print不需要括号,而在python3中则需要。
# python2.7print "Hello world"# python3print("Hello world")
unicode_literals
unicode_literals = _Feature((2, 6, 0, "alpha", 2), (3, 0, 0, "alpha", 0), CO_FUTURE_UNICODE_LITERALS)
这是unicode的问题,讲起来又是长篇大论了,容我偷个懒,后面再讲吧。
至此,__future__模块的几个特性,算是说完了。好多内容都是参照官方文档,所以大家还是多看文档吧。
作者:Syfun
链接:http://www.jianshu.com/p/14b156c361c4
來源:简书
著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。
- python 的 __future__ 模块
- python中__future__模块
- Python __future__ 模块
- Python之__future__模块
- Python __future__ 模块
- Python中的__future__模块
- Python: __future__ 模块
- Python __future__ 模块
- Python中的__future__模块
- python 中的__future__模块
- Python __future__ 模块
- 介绍Python中的__future__模块
- 关于python 中的__future__模块(from __future__ import ***)
- Python __future__模块常见示例相关解读
- python——模块——__future__
- Python标准模块——__future__
- Python使用__future__
- python之使用__future__
- Java 并发专题 : Semaphore 实现 互斥 与 连接池
- 芒果iOS开发之duplicate symbols for architecture x86_64错误
- Android超出方法数量限制问题
- 小程序requestpayment接口实现微信支付,PHP开发微信wx.requestpayment接口
- 文件的读写
- Python __future__ 模块
- Redis键的生存时间和过期时间
- mt2503 用Dct tool打开codegen.dws提示版本 不match
- rabbitmq远程连接
- CentOS-6.3安装配置SVN
- Maven本地仓库nexus的安装配置
- JQuery EasyUi之界面设计——通用的JavaScript(二)
- C++字符串操作详解(整理)
- 黑白棋的落子