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 | 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>>
OpenCV与AI深度学习 | 实战 | 基于YOLOv9和OpenCV实现车辆跟踪计数(步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 实战 | 文本图片去水印--同时保持文本原始色彩(附源码)
查看>>
OpenCV与AI深度学习 | 实战—使用YOLOv8图像分割实现路面坑洞检测(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战篇——基于YOLOv8和OpenCV实现车速检测(详细步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战|OpenCV实时弯道检测(详细步骤+源码)
查看>>
OpenCV与AI深度学习 | 实践教程|旋转目标检测模型-TensorRT 部署(C++)
查看>>
OpenCV与AI深度学习 | 工业缺陷检测中数据标注需要注意的几个事项
查看>>
OpenCV与AI深度学习 | 干货 | 深度学习模型训练和部署的基本步骤
查看>>
OpenCV与AI深度学习 | 手把手教你用Python和OpenCV搭建一个半自动标注工具(详细步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 深度学习检测小目标常用方法
查看>>
OpenCV与AI深度学习 | 超越YOLOv10/11、RT-DETRv2/3!中科大D-FINE重新定义边界框回归任务
查看>>
OpenCV与AI深度学习 | 高效开源的OCR工具:Surya-OCR介绍与使用
查看>>
Opencv中KNN背景分割器
查看>>
OpenCV中基于已知相机方向的透视变形
查看>>
OpenCV中的监督学习
查看>>
opencv中读写视频
查看>>
opencv之cv2.findContours和drawContours(python)
查看>>
opencv之namedWindow,imshow出现两个窗口
查看>>