博客
关于我
关于from __future__ import absolute_import
阅读量:590 次
发布时间:2019-03-11

本文共 410 字,大约阅读时间需要 1 分钟。

__future__模块在Python中扮演着一个特殊的角色。它的出现是为了在旧版本的Python中支持新版本的模块和功能。这使得开发者能够在早期版本中测试新的模块是否兼容或可靠,同时保持代码的向后兼容性。

这项功能特别有用,当我们从包中导入模块时,例如在pkg/string.py文件中使用import string,如果没有absolute_import,则会优先查找包中的string模块。但如果使用absolute_import,它会从标准库中查找string模块。

接下来是absolute_import。它是argparse库中的一个重要组成部分,用于处理命令行参数的绝对路径导入。绝对导入与相对导入的区别在于前者会从当前包的顶层路径查找模块,而后者则会从当前包内部查找。

这两种导入方式的选择会显著影响代码的行为,尤其是在处理像string这样的常见模块时。理解它们的区别对于编写兼容性良好的代码至关重要。

转载地址:http://eyatz.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | 基于YoloV8的药丸/片剂类型识别
查看>>
OpenCV与AI深度学习 | 基于YOLO和EasyOCR从视频中识别车牌
查看>>
OpenCV与AI深度学习 | 基于图像处理的火焰检测算法(颜色+边缘)
查看>>
OpenCV与AI深度学习 | 基于拉普拉斯金字塔实现图像融合(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案
查看>>
OpenCV与AI深度学习 | 基于深度学习的轮胎缺陷检测系统
查看>>
OpenCV与AI深度学习 | 如何使用YOLOv9分割图像中的对象
查看>>
OpenCV与AI深度学习 | 如何使用YOLOv9检测图片和视频中的目标
查看>>
OpenCV与AI深度学习 | 如何在 Docker 容器中使用 GPU
查看>>
OpenCV与AI深度学习 | 实战 | OpenCV中更稳更快的找圆方法--EdgeDrawing使用演示(详细步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | OpenCV传统方法实现密集圆形分割与计数(详细步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | OpenCV实现扫描文本矫正应用与实现详解(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 使用OpenCV和Streamlit搭建虚拟化妆应用程序(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 使用OpenCV确定对象的方向(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 使用YOLOv8 Pose实现瑜伽姿势识别
查看>>
OpenCV与AI深度学习 | 实战 | 使用YoloV8实例分割识别猪的姿态(含数据集)
查看>>
OpenCV与AI深度学习 | 实战 | 使用姿态估计算法构建简单的健身训练辅助应用程序
查看>>
OpenCV与AI深度学习 | 实战 | 基于OpenCV和K-Means聚类实现颜色分割(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YoloV5和Mask RCNN实现汽车表面划痕检测(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YOLOv9+SAM实现动态目标检测和分割(步骤 + 代码)
查看>>