代码裤子：https://github.com/lotapp/BaseCode/tree/mastehtml

在线编程：https://mybinder.org/v2/gh/lotapp/BaseCode/masterpython

在线预览：http://github.lesschina.com/python/base/module/模块专题.htmlgit

老师休假度蜜月去了，这学期也到了尾声，小明同窗以为本身学的挺好的，在四处逛游的过程当中看见了小潘的电脑，而后惊到了！程序员

In [1]:

# 导入matplotlib的pyplot模块
import matplotlib.pyplot as plt

x_list=list(range(1,11))
y_list=[y*2+1 for y in x_list]

print(x_list)
print(y_list)

[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
[3, 5, 7, 9, 11, 13, 15, 17, 19, 21]

In [2]:

# 画图
plt.plot(x_list,y_list)
# 设置X，Y的坐标区间（能够不设置，用默认显示方式）
plt.axis([0,10,0,25])
# 显示图片
plt.show()

小潘昨晚螃蟹吃多了，今天拉肚子拉的不要不要的，如今去药店买紫苏和干姜来解蟹毒呢github

怎么办呢，感受本身再也不萌萌哒了，好心情瞬间被比下去了，小明心里不断思索中....web

做为一个吃胖了的小明，过了一分钟就调节好了，而后好好看小潘的Codeshell

咦，第一句是啥？无论，继续看x_list=list(range(1,11)) y_list=[y*2+1 for y in x_list]编程

这不是以前老师讲的列表生成式吗？而后就是画图了，好像也不是很难，开头究竟是个啥，有了这个就能够几句话实现牛逼哄哄的技能了，不行得买瓶饮料问问课表明伟哥～json

一进伟哥宿舍就发现，伟哥在给舍友们补课？这是要讲课的节奏吗？赶忙凑过来学习～缓存

1.模块导入¶

模块就是一组功能的集合体，咱们的程序能够导入模块来复用模块里的功能

在Python中，一个py文件就称之为一个模块（Module）

咱们先来说讲 模块怎么导入，上学期咱们学了点C，发现每一个文件开头都有一个#include <stdio.h>

这个就相似咱们说的模块导入了，我们Python的模块导入和Java有点像用 import 来导入

先看个例子～咱们定义了一个test.py文件，里面定义了这么一个函数：

# %load test.py
def show():
    print("---show---")

咱们想在新的py文件中使用这个函数

1.1.import导入方式1¶

import test 把这个文件直接导入进来了

import test

test.show()

执行结果：

---show---

1.2.from…import导入方式2¶

有时候咱们只须要用到模块中的某个函数，只须要引入该函数便可

from test import show 把这个文件的show方法导入进来，调用的时候直接show()便可

from test import show

show()

执行结果：

---show---

使用模块有什么好处？

提升了代码的维护性，当一个模块编写完毕，就能够被其余地方引用。
使用模块还能够 避免函数名和变量名冲突。相同名字的函数和变量彻底能够分别存在不一样的模块中

咱们本身在编写模块时，没必要考虑名字会与其余模块冲突(不要和内置函数名字冲突)

1.3.导入多个模块¶

看着小明一愣一愣的，加上那瓶菊花茶的面子，课表明来了一个demo：

test1.py

test_str = "111"

def show():
    print(__name__, "show")

test2.py

test_str = "222"

def show():
    print(__name__, "show")

能够以,分隔（这种导入方式，官方推荐多行导入）

import test1, test2

print(test1.test_str)

print(test2.test_str)

test1.show()

test2.show()

结果：

111
222
test1 show
test2 show

还能够用这种方式，该模块里面的函数名、变量名以逗号分隔（不用多行）

经过这种方式引入的时候，是当两个模块中含有相同名称函数的时候，后面一次引入会覆盖前一次引入，因此用as来避免一下

from test1 import show as show1, test_str as test_str1
from test2 import show as show2, test_str as test_str2

print(test_str1)
print(test_str2)

show1()
show2()

结果：

111
222
test1 show
test2 show

若是想引入模块中全部东西能够用 from 模块名 import *，这样全部被容许(过会讲)的变量和函数都被导入进来了(少用)

from 模块名 import 好处：使用起来方便了，坏处：容易与当前执行文件中的名字冲突

2.模块的简单自测试¶

小明恍然大悟，盯着__name__看了很久，而后结合前面的知识，乘着旁边位置电脑没人，写了一半的demo卡壳了：

get_infos.py

def get_infos():
    print("信息以下：xxxx")

def main():
    get_infos()

if __name__ == '__main__':
    main()

伟哥过来瞟了一眼继续讲到：

以前老师讲面向对象的时候有提到标准格式写法：

def main():
    get_infos()

if __name__ == '__main__':
    main()

python文件能够有两种用途：

当作脚本来单独使用或者执行
当作模块来给别人调用

那怎么区分呢？就要用到__name__了

咱们来看个案例就懂了：

get_user_infos.py

def get_infos():
    print(__name__)
    print("信息以下：xxxx")

def main():
    get_infos()

if __name__ == '__main__':
    main()

再定义一个函数来调用它

import get_user_infos as user_infos

user_infos.get_infos()

直接执行的时候__name__等于__main__，别人调用的时候显示该文件名

这样的好处就是==> 避免被别人导入的时候执行某些Code

小明乐坏了，平时和小潘之前作项目老被吐槽，学了这个得好好嘲讽一下小潘了

之后不再怕直接py文件各类问题了，我们能够先简单自测一下O(∩_∩)O哈！

3.控制可以使用的函数、变量、类¶

3.1.经过私有来控制¶

在一个模块中，咱们可能会定义不少函数和变量，但有的函数和变量咱们但愿给别人使用，有的函数和变量咱们但愿仅仅在模块内部使用。在Python中，是经过_前缀来实现的

小明同窗基础功底扎实，看见标题小明就乐了，前面看了这么多案例瞬间秒懂，大叫道～”等一下～～～我来写demo，要是不行请大家吃晚饭～“

写下了以下代码：

test3.py

def test1():
    print("test1")


def _test2():
    print("test2")


def __test3():
    print("test3")

调用代码：

import test3

test3.test1()
test3._test2()
test3.__test3()

结果：

test1
test2
test3

你们大眼瞪小眼的看着小明，嘴角边露出了阴谋的味道～

这下小明傻眼了，难道老师以前类的私有系列讲错了？

小平瞥了小明一眼说道，你本身的打开方式不对还怪老师咯？看我给你改改~

调用代码：

from test3 import *

test1()
_test2()
__test3()

小明运行后就傻眼了，心想到，课表明这个宿舍卧虎藏龙啊，下次少来点，否则这点老底就被他们吃空了

NameError: name '_test2' is not defined

注释掉_test2()运行结果： NameError: name '__test3' is not defined

小明有点尴尬，而后转了个话题，说道：”那import不是无敌了？咱们的私有不给力啊？“

伟哥语重心长的说道：

相似_xxx和__xxx这样的函数或变量就是非公开的（private），不该该被直接引用

之因此咱们说，“不该该”被直接引用，而不是“不能”被直接引用，是由于Python并无一种方法能够彻底限制访问private函数或变量

好比小明的那种方式就能够直接使用了，可是从编程习惯上不该该引用private函数或变量。

咱们平时使用的时候：

外部不须要引用的函数所有定义成private，只有外部须要引用的函数才定义为public,而后导入的时候尽可能使用from ... import

3.2.经过all来控制¶

来个案例便可：

test4.py

__all__ = ["Dog", "test1", "name"]

class Animal(object):
    pass

class Dog(Animal):
    pass

class Cat(Animal):
    pass

def test1():
    print("test1")

def test2():
    print("test2")

def test3():
    print("test3")

name = "小明"
age = "22"

效果：只有__all__列表里面的才能被访问

4.二进制文件pyc¶

小明，看到使用的电脑出现了这么多的pyc文件，觉得中毒了，慌了慌了，连忙问道："伟哥伟哥，这个pyc是啥啊？不会是病毒吧？"

├── 1.def_module.py
├── 2.use_module.py
├── 3.use_name.py
├── 4.use_module.py
├── 5.use_all_.py
├── get_user_infos.py
├── __pycache__
│   ├── get_user_infos.cpython-36.pyc
│   ├── test1.cpython-36.pyc
│   ├── test2.cpython-36.pyc
│   ├── test3.cpython-36.pyc
│   ├── test4.cpython-36.pyc
│   └── test.cpython-36.pyc
├── test1.py
├── test2.py
├── test3.py
├── test4.py
└── test.py

旁边小李嘲笑道～”这你都不知道“

为了 提升加载模块的速度，python解释器会在pycache目录中下缓存每一个模块编译后的版本

格式为：模块名.Python版本号.pyc 这种命名规范保证了编译后的结果多版本共存

小明问道，那我更新文件它怎么办呢？

小李瞥了一眼说道：

Python检查源文件的修改时间与编译的版本进行对比，若是过时就自动从新编译

而且编译的模块是平台独立的，因此相同的库能够在不一样的架构的系统之间共享

小明恍然大悟，说道：

这不相似于Java和Net嘛，未来咋们编写的东西均可以跨平台了啊，O(∩_∩)O~，反正是由python虚拟机来执行的，太方便了

PS：pyc文件是能够反编译的，于是它的出现仅仅是用来提高模块的加载速度的，不是用来加密的

5.本身添加模块路径¶

小明乘着你们休息的时候回宿舍拿了个笔记本，继续听道：

当你导入一个模块，Python解析器对模块位置的搜索顺序是：

当前目录
若是不在当前目录，Python则搜索在shell变量PYTHONPATH下的每一个目录。
若是都找不到，Python会查看默认路径。xinux下，默认路径通常为/usr/local/lib/python/
模块搜索路径存储在system模块的sys.path变量中。变量里包含当前目录，PYTHONPATH和由安装过程决定的默认目录

总之你看sys.path就对了

前几天时间发布了Python3.7，咱们设置vscode的运行环境为Python3.7，而后看看：

我用的是conda的一个路径,Python3.7相关的一下插件没那么完善，我用的是3.6系列，3.7你能够用来练习一下新语法糖

['', # 当前目录
'/usr/lib/python37.zip', '/usr/lib/python3.7', 
'/usr/lib/python3.7/lib-dynload',
 '/usr/local/lib/python3.7/dist-packages', 
 '/usr/lib/python3/dist-packages']

小明心想，我是省事直接装了个conda路径是啥呢？因而本身测试了下：

In [3]:

# conda的默认搜索路径
import sys

print(sys.path)

['', '/home/dnt/anaconda3/lib/python36.zip', '/home/dnt/anaconda3/lib/python3.6', '/home/dnt/anaconda3/lib/python3.6/lib-dynload', '/home/dnt/.local/lib/python3.6/site-packages', '/home/dnt/anaconda3/lib/python3.6/site-packages', '/home/dnt/anaconda3/lib/python3.6/site-packages/IPython/extensions', '/home/dnt/.ipython']

运维方面用些许，平时用的不是不少，一带而过~

细心能够看到，sys.path是一个列表，那么你对其添加删除操做也是和list同样的

好比这个场景，服务器给不一样的用户使用，又不想他们的程序访问到超过其文件夹外的文件（系统、其余用户）

那么能够弄一个公共的库文件夹（手段先不用管），用程序模拟一下

这种方法是在运行时修改，运行结束后失效

其实还能够设置环境变量pythonpath，该环境变量的内容会被自动添加到模块搜索路径中。设置方式与设置Path环境变量相似。

注意只须要添加你本身的搜索路径，Python本身自己的搜索路径不受影响。（列表第二个就是说的这个）

6.模块从新导入¶

import语句是能够在程序中的任意位置使用的,且针对同一个模块很import屡次

为了防止你重复导入，python的优化手段是：

第一次导入后就将模块名加载到内存了，后续的import语句仅是对已经加载到内存中的模块对象增长了一次引用，不会从新执行模块内的语句

看个例子：

想要从新导入修改的模块，可使用官方推荐的方法：importlib下面的reload方法

from importlib import reload

reload(test)

固然了你也可使用imp下面的reload方法（3.4日后，官方就不推荐使用 **imp** 了）

6.1.循环导入的问题¶

稍微提一下循环导入（相似于C#循环引用），能避免就避免。

子模块相对独立，尽可能别相互导入，经过父模块来调用 (有点像微服务的感受)

这样不会混乱也不会出现循环导入的问题了

若是项目里面真的出现了循环导入，那么能够这么解决（参考）：

从新设计架构，解除相互引用的关系
把import语句放置在模块的最后
把import语句放置在函数中

7.经常使用模块¶

看到标题小明就乐了，这不～终于能够说话了，不用被他们压抑的不敢出声了～

以前说了不少，好比time,random,sys等等，此次再扩充几个用的比较多的模块

后面demo里面还会再说，能够本身学习一下（官方文档）（源码文件）

7.1.time and datetime¶

在Python中，一般有这几种方式来表示时间：

因为Python的time模块实现主要调用C库，因此各个平台可能有所不一样

时间戳（timestamp）：从1970年1月1日00:00:00开始按秒计算的偏移量
- type(time.time()) ==> float
- 返回时间戳方式的函数主要有time()，clock()(这个Win和Xinux系列有些区别)等
格式化的时间字符串
UTC世界标准时间(在中国为UTC+8)，DST（Daylight Saving Time）即夏令时。
- 元组（struct_time）共有9个元素
- 返回struct_time的函数主要有gmtime()，localtime()，strptime()

看到表格不用怀疑，没错，更详细能够看官方介绍

| 索引　| 属性                    　| 值                        |
| ---- | -------------------------| ------------------------- |
| 0    | tm_year（年）             | eg:2018                   |
| 1    | tm_mon（月）              | range [1, 12]             |
| 2    | tm_mday（日）             | range [1, 31]             |
| 3    | tm_hour（时）             | range [0, 23]             |
| 4    | tm_min（分）              | range [0, 59]             |
| 5    | tm_sec（秒）              | range [0, 61]             |
| 6    | tm_wday（星期几）        　| range [0, 6]（0表示周日）   |
| 7    | tm_yday（一年中的第几天）   | range [1, 366]            |
| 8    | tm_isdst（是不是夏令时）  　| 0, 1 or -1                |

datetime模块

datetime.datetime.now().strftime("%Y-%m-%d %X")

主要是时间相关的封装，案例在time模块的下面：

In [4]:

import time

# 时间戳，结果是float类型
print(time.time())

# 格式化的时间字符串：年-月-日 小时:分钟:秒
print(time.strftime("%Y-%m-%d%X"))


print(time.localtime())  # 本地时区的 struct_time
print(time.gmtime())  # UTC时区（世界标准时间）的struct_time

# time.mktime 将一个 struct_time 转化为时间戳
print(time.mktime(time.localtime()))

# t = time.localtime()
# print(time.asctime(t)) # 把一个表示时间的元组或者struct_time表示为这种形式：'Sun Jun 20 23:21:05 1993'
# print(time.asctime()) # 不写参数默认就是time.localtime()

1530595914.981183
2018-07-03 13:31:54
time.struct_time(tm_year=2018, tm_mon=7, tm_mday=3, tm_hour=13, tm_min=31, tm_sec=54, tm_wday=1, tm_yday=184, tm_isdst=0)
time.struct_time(tm_year=2018, tm_mon=7, tm_mday=3, tm_hour=5, tm_min=31, tm_sec=54, tm_wday=1, tm_yday=184, tm_isdst=0)
1530595914.0

In [5]:

import datetime

print(datetime.datetime.now())  # 当前时间 2018-07-03 13:02:20.824494
print(datetime.datetime.now().strftime("%Y-%m-%d%X"))  # 当前时间 2018-07-03 13:02:20

# 时间加减
print(datetime.datetime.now() + datetime.timedelta(3))  # 当前时间+3天
print(datetime.datetime.now() + datetime.timedelta(-3))  # 当前时间-3天
print(datetime.datetime.now() + datetime.timedelta(hours=3))  # 当前时间+3小时
print(datetime.datetime.now() + datetime.timedelta(minutes=30))  # 当前时间+30分

2018-07-03 13:31:55.147268
2018-07-03 13:31:55
2018-07-06 13:31:55.147883
2018-06-30 13:31:55.148109
2018-07-03 16:31:55.148315
2018-07-03 14:01:55.148532

7.2.random¶

random小明有好好研究，因而抢着讲解：

经常使用方法主要是这几个：

random.random()：大于0且小于1之间的小数

random.randint(1, 3)：[1,3] 大于等于1且小于等于3之间的整数

random.randrange(1, 3)：[1,3) 大于等于1且小于3之间的整数

random.choice([4, 'a', [1, 2]])：随机返回三者之一

random.uniform(1, 3)：大于1小于3的小数，如1.927109612082716

random.sample(old_list, 5)：从list中随机获取5个元素，做为一个片段返回

random.shuffle(old_list)：打乱list的顺序

下面来看看例子吧（最下面有个简单验证码的demo）:

In [6]:

import random

In [7]:

print(random.random())  # 大于0且小于1之间的小数

print(random.randint(1, 3))  # [1,3]    大于等于1且小于等于3之间的整数

print(random.randrange(1, 3))  # [1,3)    大于等于1且小于3之间的整数

print(random.choice([4, 'a', [1, 2]]))  # 随机返回三者之一

print(random.uniform(1, 3))  # 大于1小于3的小数，如1.927109612082716

0.08269940155686328
3
2
[1, 2]
2.1607974783487136

In [8]:

# 从list中随机获取N个元素，做为一个片段返回
old_list = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
new_list = random.sample(old_list, 5)  # 从list中随机获取5个元素，做为一个片段返回
print(old_list)
print(new_list)  # 原有序列并无改变

[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
[7, 6, 9, 10, 3]

In [9]:

test_list = [1, 3, 5, 7, 9]
random.shuffle(test_list)  # 打乱test_list的顺序
print(test_list)

[1, 5, 7, 9, 3]

In [10]:

# 简单验证码的例子
import random


def get_code(n):
    """简单验证码"""
    code = ""
    for i in range(n):
        s1 = chr(random.randint(65, 90))  # 字母
        s2 = str(random.randint(0, 9))  # 数字
        code += random.choice([s1, s2])  # 随机返回s1 or s2
    return code


def main():
    print(get_code(4))


if __name__ == '__main__':
    main()

KOOH

7.3.hashlib¶

一看到hashlib，小明就退缩了，只能继续听伟哥讲解：

官方文档：https://docs.python.org/3/library/hashlib.html

简单hash：hashlib.sha256(pass_str.encode("utf-8")).hexdigest()

和key一块儿加密：

import hashlib

pass_str = "123456"

m = hashlib.sha256()

m.update(pass_str.encode("utf-8"))

m.update("你设置的key".encode("utf-8"))

pass_str_new = m.hexdigest()

扩展：python 还有一个hmac模块，它内部对咱们建立key和pass进行处理后再加密：https://docs.python.org/3/library/hmac.html

In [11]:

import hashlib

pass_str = "123456"

In [12]:

# 简单hash一下
m = hashlib.sha256()

m.update(pass_str.encode("utf-8"))

pass_str_new = m.hexdigest()

print(pass_str_new)
print(len(pass_str_new))

8d969eef6ecad3c29a3a629280e686cf0c3f5d5a86aff3ca12020c923adc6c92
64

In [13]:

# 简写：
hashlib.sha256(pass_str.encode("utf-8")).hexdigest()

Out[13]:

'8d969eef6ecad3c29a3a629280e686cf0c3f5d5a86aff3ca12020c923adc6c92'

In [14]:

# 简写这么方便为何要像上面例子那么复杂呢？
# 直接加密的方式能够经过撞库破解，但你能够设置个key来加大难度
# 大部分网站都是用平台key + 用户key（能够是用户建立时间或者id之类的不变信息）来加密的
m = hashlib.sha256()

m.update(pass_str.encode("utf-8"))

m.update("你设置的key".encode("utf-8"))

pass_str_new = m.hexdigest()

print(pass_str_new)
print(len(pass_str_new))

fadc86f44ab0f13346bf3293b5bc51112569a21e421809f93a096c917d7731ce
64

经常使用模块里面还有不少，就不一一介绍了，好比：functools里面的偏函数partial

这个咱们下次讲闭包相关知识会说的functools.partial(函数名, 默认参数1，默认参数2...)

8.第三方模块安装¶

第三方模块安装以前有说过：http://www.javashuo.com/article/p-tvzhtwbx-bq.html

简单提一下：（pip官网）

pip install 模块名 # 正常

sudo pip install 模块名 # 没权限运行

pip install --user 模块名 # conda下的pip

若是不想让包破坏本身的环境，可使用：virtualenv，你能够做为扩展了解下（参考）

9.包系列（导入、发布、安装）¶

若是不一样的人编写的模块名相同怎么办？

小明抢答曰：”为了不模块名冲突，Python又引入了按目录来组织模块的方法，称为包（Package）“

小张斜了一眼小明补充道：”相互间有联系功能的模块能够放在一个包里，这个包就有点像C#的文件夹和类库的概念了“

小明不服气的把小潘那段代码的开头贴了出来：import matplotlib.pyplot as plt，而后叫嚣道：”怎么样，这个确定用到了包“

9.1.包的定义¶

课表明看着这两个活宝，而后继续讲解道：

模块是一组Python代码的集合，可使用其余模块，也能够被其余模块使用

好比一个模块的名称是A.B，那么他表示一个包A中的子模块B

刚说完，小明就得意的看着小张，而后继续听课：

建立本身的模块时，要注意：

模块名要遵循Python变量命名规范，不要使用中文、特殊字符
模块名不要和系统模块名冲突（标准库）

下面咱们来一个简单的案例：

本身定义一个包，目录结构以下：（__init__.py是空文件）

web/
├── data.py
├── __init__.py
└── json.py

调用web包里面的get_json()方法：

from web.json import get_json

get_json()

或者：

import web.json as json

json.get_json()

每个包目录下面都会有一个__init__.py的文件，这个文件是必须存在的，不然Python就把这个目录当成普通目录

__init__.py能够是空文件，编译器默认会把它认成名字是文件夹名的模块，eg:web

9.2.包的制定化～控制可以使用的模块¶

还记得以前讲得__all__吧，若是你想控制包里面的模块可否被访问使用，可使用它

好比web包下的init文件中写下这一句：__all__ = ["json"]

神奇的事情发生了：

from web import *

json.get_json()

data.get_data()

在调用data.get_data()的时候出现了以下错误：

NameError: name 'data' is not defined

小明想到了本身当时的那顿饭，而后用当时的思路试了下：

# 你这样调就不行了
import web

web.data.get_data()

发现和上面同样的错误，而后夸张的说道～“哈哈哈，这种方式无敌了，里面有谁能调data模块下的get_data()方法我就请他喝饮料！”

话刚落完，发现你们刷刷的提交了相同的代码：

# 一样的，你硬是要调，python也拿你没办法
import web.data as data

data.get_data()

小明顿时崩溃了，自我安慰到：“反正都是要请大家吃晚饭的了，也不差这饮料了...”

9.3.发布一个包¶

把咱们以前的Code作一个包，目录结构以下：

├── datalib
│   ├── base
│   │   ├── get_user_infos.py
│   │   ├── __init__.py
│   │   ├── test1.py
│   │   ├── test2.py
│   │   ├── test3.py
│   │   ├── test4.py
│   │   └── test.py
│   ├── __init__.py
│   ├── main.py
│   └── web
│       ├── data.py
│       ├── __init__.py
│       └── json.py
└── setup.py

模块的目录结构中包含一个setup.py文件，用于定义模块名称、包含的模块等模块信息

固定格式以下：

setup(name="模块名称", version="版本", description="模块描述", author="模块做者", py_modules=[包含的模块内容])

以demo为例：

from distutils.core import setup

setup(
    name="datalib",
    version="1.0",
    description="数据相关的模块",
    author="小明",
    py_modules=[
        "datalib.base.get_user_infos", "datalib.base.test", "datalib.web.json"
    ])

build命令（构建模块）：python setup.py sdist 来张图更形象：

build文件夹：

dnt@MZY-PC:~/xiaoming/build$ tree
.
└── lib
    └── datalib
        ├── base
        │   ├── get_user_infos.py
        │   ├── __init__.py
        │   └── test.py
        └── web
            ├── __init__.py
            └── json.py

生成发布压缩包：python3 setup.py sdist 他会帮你打包成一个tar.gz的压缩包

其实你不构建，直接sdist也是能够的

dnt@MZY-PC:~/xiaoming$ tree
.
├── datalib
│   ├── base
│   │   ├── get_user_infos.py
│   │   ├── __init__.py
│   │   ├── test1.py
│   │   ├── test2.py
│   │   ├── test3.py
│   │   ├── test4.py
│   │   └── test.py
│   ├── __init__.py
│   ├── main.py
│   └── web
│       ├── data.py
│       ├── __init__.py
│       └── json.py
├── dist
│   └── datalib-1.0.tar.gz
├── MANIFEST
└── setup.py

9.4.安装本身打包的模块¶

安装比较简单，若是是build文件夹，直接sudo python setup.py install

若是是tar.gz，那么解压后再执行sudo python setup.py install

固然了，也能够目录安装：python setup.py install --prefix=路径

查看包内容：tar -tvf datalib-1.0.tar.gz

解包：tar -zxvf datalib-1.0.tar.gz

这些基础命令若是还不是很熟悉的话，能够看看逆天2015年写的LinuxBase文档

其实说句内心话，2015开始摸索虚拟机中的Linux，几年提高确定是有的，可是绝对没有这几个月的Linux真机开发来得快

逆天仍是建议程序员尽快适应Linux环境开发，刚开始的确不方便，适应以后就感受Win特别麻烦了...

不少东西一个指令就能够实现的，重复执行的东西写个脚本批量执行

固然了你Win下各类跑脚本也是同样的，可是别忘了～公司服务器基本上都是Linux的，该面对的总该来的，加油～

CSharp包相关知识¶

Old C#相关的知识能够参考：如何在nuget上传本身的包

NetCore能够用打包命令：dotnet-pack来打包成Nuget包，官方文档说的很详细了，就不一一复述了

打包当前目录中的项目：dotnet pack

打包 app1 项目：dotnet pack ~/projects/app1/project.csproj

打包当前目录中的项目并将生成的包放置到 nupkgs 文件夹：

dotnet pack --output nupkgs

将当前目录中的项目打包到 nupkgs 文件夹并跳过生成步骤：

dotnet pack --no-build --output nupkgs

使用 PackageVersion MSBuild 属性将包版本设置为 2.1.0：

dotnet pack /p:PackageVersion=2.1.0

打包特定目标框架的项目：

dotnet pack /p:TargetFrameworks=net45

打包项目，并使用特定运行时 (Windows 10) 进行还原操做（.NET Core SDK 2.0 及更高版本）：

dotnet pack --runtime win10-x64

小明听完了这节课，感叹道～ “模块用起来真是爽啊”

而后问道：“为何老师没讲呢？”

其余人一块儿鄙视小明说道：“你本身睡大觉你本身内心没有点逼数吗？”

小明大囧，感受饮料和饭钱真是白花了。。。（完）

Python3 与 C# 扩展之～模块专栏