Was ist der Zweck des Python-Schalters „-m'?
Enthüllung des Zwecks von Pythons Schalter -m
Hintergrund: Organisieren von Python-Modulen
Python-Module, grundlegende Organisationseinheiten, gibt es in zwei Formen: Codemodule und Paketmodule. Codemodule bestehen aus ausführbarem Python-Code, während Paketmodule Verzeichnisse umfassen, die andere Module enthalten.
Python weist Modulen eindeutige Kennungen zu, die sowohl als Modulnamen als auch als Dateinamen bezeichnet werden. Normalerweise werden Module durch den Modulnamen im Python-Code und den Dateinamen in der Befehlszeile identifiziert. Python übersetzt Modulnamen mithilfe der Variablen sys.path nahtlos in Dateinamen.
Die Enthüllung von -m
Der in Python 2.4.1 eingeführte Schalter -m ermöglichte ursprünglich die Ausführung von Modulen über den Befehl Zeile basierend auf ihren Modulnamen. Dies bot eine Alternative zur Angabe von Dateinamen. In seiner ersten Iteration unterstützte -m nur Modulnamen der obersten Ebene.
PEP 338 erweiterte -m, um komplexere Modulnamendarstellungen zu verarbeiten und die Ausführung verschachtelter Module wie http.server zu ermöglichen. Darüber hinaus wurde die Evaluierung aller __init__.py-Dateien des übergeordneten Pakets vorgeschrieben.
Die letzte wichtige Weiterentwicklung kam mit PEP 366 und gewährte -m die Möglichkeit, nicht nur absolute, sondern auch explizite relative Importe zu unterstützen. Dies wurde erreicht, indem die Variable Paket auf das übergeordnete Modul des angegebenen Modulnamens gesetzt wurde.
Praktische Anwendungen von -m
- Module mit Unbekannt ausführen Dateinamen: Da viele Python-Benutzer mit Modulnamen, aber nicht unbedingt mit ihren Dateinamen vertraut sind, ist -m für die Ausführung von Modulen von unschätzbarem Wert über die Befehlszeile. Beispielsweise wird die Ausführung des http.server-Moduls mit python -m http.server vereinfacht.
- Lokale Pakete ohne Installation ausführen: Standardmäßig fügt -m das aktuelle Arbeitsverzeichnis zu sys hinzu. Pfad, der die Ausführung lokaler Pakete ermöglicht, die absolute oder relative Importe enthalten. Durch dieses Verhalten entfällt die Notwendigkeit, das Paket für Entwicklungszwecke zu installieren.
Einschränkungen von -m
Trotz seiner Fähigkeiten ist -m dadurch eingeschränkt, dass es nur in Python geschriebene Module ausführen kann (.py-Dateien). C-kompilierte Codemodule werden nicht unterstützt.
Vergleichende Analyse
Modulausführung über Import-Anweisung:
- Keine Änderung an sys.path
- Name auf das Absolute gesetzt Modulname
- Paket auf das unmittelbar übergeordnete Paket gesetzt
- __init__.py für alle Pakete ausgewertet
- __main__.py für Codemodule ausgewertet
Modulausführung über Befehlszeile mit Dateiname:
- sys.path geändert, um das Verzeichnis des Moduls einzuschließen
- Name auf „__main__“ gesetzt
- Paket auf „Keine“ gesetzt
- __init__.py wurde nicht ausgewertet Pakete
- __main__.py sowohl für Paket- als auch für Codemodule ausgewertet
Modulausführung über Befehlszeile mit Modulname (-m):
- sys.path geändert, um das aktuelle Verzeichnis einzuschließen
- Name festgelegt auf '__main__'
- Paket auf das unmittelbar übergeordnete Paket gesetzt
- __init__.py für alle Pakete ausgewertet
- __main__.py sowohl für Paket als auch für Code ausgewertet Module
Fazit
Der Schalter -m dient als leistungsstarkes Werkzeug für Ausführen von Python-Modulen über die Befehlszeile. Seine Fähigkeit, Modulnamen in Dateinamen umzuwandeln, lokale Pakete auszuführen und relative Importe zu unterstützen, bietet eine praktische und vielseitige Möglichkeit, Python-Code zu verwalten. Trotz seiner Beschränkung auf die Ausführung von Python-basierten Modulen bleibt -m ein unschätzbarer Vorteil für Python-Entwickler.
Das obige ist der detaillierte Inhalt vonWas ist der Zweck des Python-Schalters „-m'?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

Video Face Swap
Tauschen Sie Gesichter in jedem Video mühelos mit unserem völlig kostenlosen KI-Gesichtstausch-Tool aus!

Heißer Artikel

Heiße Werkzeuge

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6
Visuelle Webentwicklungstools

SublimeText3 Mac-Version
Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Heiße Themen











Python ist leichter zu lernen und zu verwenden, während C leistungsfähiger, aber komplexer ist. 1. Python -Syntax ist prägnant und für Anfänger geeignet. Durch die dynamische Tippen und die automatische Speicherverwaltung können Sie die Verwendung einfach zu verwenden, kann jedoch zur Laufzeitfehler führen. 2.C bietet Steuerung und erweiterte Funktionen auf niedrigem Niveau, geeignet für Hochleistungsanwendungen, hat jedoch einen hohen Lernschwellenwert und erfordert manuellem Speicher und Typensicherheitsmanagement.

Ist es genug, um Python für zwei Stunden am Tag zu lernen? Es hängt von Ihren Zielen und Lernmethoden ab. 1) Entwickeln Sie einen klaren Lernplan, 2) Wählen Sie geeignete Lernressourcen und -methoden aus, 3) praktizieren und prüfen und konsolidieren Sie praktische Praxis und Überprüfung und konsolidieren Sie und Sie können die Grundkenntnisse und die erweiterten Funktionen von Python während dieser Zeit nach und nach beherrschen.

Python ist in der Entwicklungseffizienz besser als C, aber C ist in der Ausführungsleistung höher. 1. Pythons prägnante Syntax und reiche Bibliotheken verbessern die Entwicklungseffizienz. 2. Die Kompilierungsmerkmale von Compilation und die Hardwarekontrolle verbessern die Ausführungsleistung. Bei einer Auswahl müssen Sie die Entwicklungsgeschwindigkeit und die Ausführungseffizienz basierend auf den Projektanforderungen abwägen.

Python und C haben jeweils ihre eigenen Vorteile, und die Wahl sollte auf Projektanforderungen beruhen. 1) Python ist aufgrund seiner prägnanten Syntax und der dynamischen Typisierung für die schnelle Entwicklung und Datenverarbeitung geeignet. 2) C ist aufgrund seiner statischen Tipp- und manuellen Speicherverwaltung für hohe Leistung und Systemprogrammierung geeignet.

PythonlistsarePartThestandardlibrary, whilearraysarenot.listarebuilt-in, vielseitig und UNDUSEDFORSPORINGECollections, während dieArrayRay-thearrayModulei und loses und loses und losesaluseduetolimitedFunctionality.

Python zeichnet sich in Automatisierung, Skript und Aufgabenverwaltung aus. 1) Automatisierung: Die Sicherungssicherung wird durch Standardbibliotheken wie OS und Shutil realisiert. 2) Skriptschreiben: Verwenden Sie die PSUTIL -Bibliothek, um die Systemressourcen zu überwachen. 3) Aufgabenverwaltung: Verwenden Sie die Zeitplanbibliothek, um Aufgaben zu planen. Die Benutzerfreundlichkeit von Python und die Unterstützung der reichhaltigen Bibliothek machen es zum bevorzugten Werkzeug in diesen Bereichen.

Zu den Anwendungen von Python im wissenschaftlichen Computer gehören Datenanalyse, maschinelles Lernen, numerische Simulation und Visualisierung. 1.Numpy bietet effiziente mehrdimensionale Arrays und mathematische Funktionen. 2. Scipy erweitert die Numpy -Funktionalität und bietet Optimierungs- und lineare Algebra -Tools. 3.. Pandas wird zur Datenverarbeitung und -analyse verwendet. 4.Matplotlib wird verwendet, um verschiedene Grafiken und visuelle Ergebnisse zu erzeugen.

Zu den wichtigsten Anwendungen von Python in der Webentwicklung gehören die Verwendung von Django- und Flask -Frameworks, API -Entwicklung, Datenanalyse und Visualisierung, maschinelles Lernen und KI sowie Leistungsoptimierung. 1. Django und Flask Framework: Django eignet sich für die schnelle Entwicklung komplexer Anwendungen, und Flask eignet sich für kleine oder hochmobile Projekte. 2. API -Entwicklung: Verwenden Sie Flask oder Djangorestframework, um RESTFUFFUPI zu erstellen. 3. Datenanalyse und Visualisierung: Verwenden Sie Python, um Daten zu verarbeiten und über die Webschnittstelle anzuzeigen. 4. Maschinelles Lernen und KI: Python wird verwendet, um intelligente Webanwendungen zu erstellen. 5. Leistungsoptimierung: optimiert durch asynchrones Programmieren, Caching und Code
