我的编程空间,编程开发者的网络收藏夹
学习永远不晚

python3--模块和包,软件开发规范

短信预约 -IT技能 免费直播动态提醒
省份

北京

  • 北京
  • 上海
  • 天津
  • 重庆
  • 河北
  • 山东
  • 辽宁
  • 黑龙江
  • 吉林
  • 甘肃
  • 青海
  • 河南
  • 江苏
  • 湖北
  • 湖南
  • 江西
  • 浙江
  • 广东
  • 云南
  • 福建
  • 海南
  • 山西
  • 四川
  • 陕西
  • 贵州
  • 安徽
  • 广西
  • 内蒙
  • 西藏
  • 新疆
  • 宁夏
  • 兵团
手机号立即预约

请填写图片验证码后获取短信验证码

看不清楚,换张图片

免费获取短信验证码

python3--模块和包,软件开发规范

模块搜索路径

python解释器在启动时会自动加载一些模块,可以使用sys.modules查看

在第一次导入某个模块时(比如my_module),会检查该模块是否已经被加载到内存中(执行文件的名称空间对应的内存),如果有则直接引用,如果没有,解释器则会查找同名的内建模块,如果还没有找到就从sys.path给出的目录列表中依次寻找my_module.py文件

总结模块的查找顺序:内存中已经加载的模块-->内置模块-->sys.path路径中包含的模块

需要特别注意的是:我们自定义的模块名不应该与系统内置模块重名。

在初始化就,python程序可以修改sys.path路径放到前面的优先于标准库被加载

import sys

sys.path.append(路径)  # 往sys.path里面添加路径


编译python文件

为了提高加载模块的速度,强调强调强调:提高的是加载速度而绝非运行速度。python解释器会在__pycache__目录中下缓存每个模块编译后的版本,格式为:module.version.pyc。通常会包含python的版本号。例如,在CPython3.3版本下,my_module.py模块会被缓存成__pycache__/my_module.cpython-33.pyc。这种命名规范保证了编译后的结果多版本共存。


Python检查源文件的修改时间与编译的版本进行对比,如果过期就需要重新编译。这是完全自动的过程。并且编译的模块是平台独立的,所以相同的库可以在不同的架构的系统之间共享,即pyc使一种跨平台的字节码,类似于JAVA火.NET,是由python虚拟机来执行的,但是pyc的内容跟python的版本相关,不同的版本编译后的pyc文件不同,2.5编译的pyc文件不能到3.5上执行,并且pyc文件是可以反编译的,因而它的出现仅仅是用来提升模块的加载速度的。


python解释器在以下两种情况下不检测缓存

1 如果是在命令行中被直接导入模块,则按照这种方式,每次导入都会重新编译,并且不会存储编译后的结果(python3.3以前的版本应该是这样)

python -m my_module.py


2 如果源文件不存在,那么缓存的结果也不会被使用,如果想在没有源文件的情况下来使用编译后的结果,则编译后的结果必须在源目录下


提示:

1.模块名区分大小写,foo.py与FOO.py代表的是两个模块


2.你可以使用-O或者-OO转换python命令来减少编译模块的大小

-O转换会帮你去掉assert语句

-OO转换会帮你去掉assert语句和__doc__文档字符串

由于一些程序可能依赖于assert语句或文档字符串,你应该在在确认需要的情况下使用这些选项。


3.在速度上从.pyc文件中读指令来执行不会比从.py文件中读指令执行更快,只有在模块被加载时,.pyc文件才是更快的


4.只有使用import语句是才将文件自动编译为.pyc文件,在命令行或标准输入中指定运行脚本则不会生成这类文件,因而我们可以使用compieall模块为一个目录中的所有模块创建.pyc文件



把模块当做脚本执行

我们可以通过模块的全局变量__name__来查看模块名


当做脚本运行:

__name__ 等于'__main__'


当做模块导入:

__name__ 等于模块名


如果一个py文件被导入了,他就是一个模块

如果这个py文件被直接执行,这个被直接执行的文件就是一个脚本


作用:用来控制.py文件在不同的应用场景下执行不同的逻辑

def fib(n):
    a, b = 0, 1
    while b < n:
        print(b, end=',')
        a, b = b, a + b


if __name__ == '__main__':
    print(__name__)
    num = input('num :')
    fib(int(num))

执行结果

__main__

num :10

1,1,2,3,5,8,

文件被直接执行,那么它就是脚本(__name__ == '__main__')


创建一个test.py文件,导入之前py文件

import lianxi

lianxi.fib(10)

执行结果

1,1,2,3,5,8,__name__ == lianxi

文件被导入执行,那么它就是模块(__name__ == lianxi(文件名))


结论:

当一个模块被当做脚本执行的时候,__name__是一个字符串数据类型的'__main__'

当一个模块被当做模块导入的时候,__name__是一个字符串数据类型模块名

if __name__ == '__main__':

控制了:

    只要当前这个文件直接被执行 就会执行if条件语句内的代码

    否则 就不会执行if条件语句内的代码


补充:dir()函数

内建函数dir是用来查找模块中定义的名字,返回一个有序字符串列表

import my_module

dir(my_module)

如果没有参数,dir()列举出当前定义的名字


dir()不会列举出内建函数或者变量的名字,它们都被定义到了标准模块builtin中,可以列举出它们,

import builtins

dir(builtins)


包是一种通过使用'模块名'来组织python模块名称空间的方式

1. 无论是import形式还是from...import形式,凡是在导入语句中(而不是在使用时)遇到带点的,都要第一时间提高警觉:这是关于包才有的导入语法

2. 包是目录级的(文件夹级),文件夹是用来组成py文件(包的本质就是一个包含__init__.py文件的目录)

3. import导入文件时,产生名称空间中的名字来源于文件,import 包,产生的名称空间的名字同样来源于文件,即包下的__init__.py,导入包本质就是在导入该文件


强调:

  1. 在python3中,即使包下没有__init__.py文件,import 包仍然不会报错,而在python2中,包下一定要有该文件,否则import 包报错

  2. 创建包的目的不是为了运行,而是被导入使用,记住,包只是模块的一种形式而已,包即模块


包A和包B下有同名模块也不会冲突,如A.a与B.a来自俩个命名空间

创建目录结构

import os
os.makedirs('glance/api')
os.makedirs('glance/cmd')
os.makedirs('glance/db')
l = []
l.append(open('glance/__init__.py','w'))
l.append(open('glance/api/__init__.py','w'))
l.append(open('glance/api/policy.py','w'))
l.append(open('glance/api/versions.py','w'))
l.append(open('glance/cmd/__init__.py','w'))
l.append(open('glance/cmd/manage.py','w'))
l.append(open('glance/db/models.py','w'))
map(lambda f:f.close() ,l)

执行结果

blob.png


对应文件内容如下

#文件内容

#policy.py
def get():
    print('from policy.py')

#versions.py
def create_resource(conf):
    print('from version.py: ',conf)

#manage.py
def main():
    print('from manage.py')

#models.py
def register_models(engine):
    print('from models.py: ',engine)


注意事项

1.关于包相关的导入语句也分为import和from ... import ...两种,但是无论哪种,无论在什么位置,在导入时都必须遵循一个原则:凡是在导入时带点的,点的左边都必须是一个包,否则非法。可以带有一连串的点,如item.subitem.subsubitem,但都必须遵循这个原则。


2.对于导入后,在使用时就没有这种限制了,点的左边可以是包,模块,函数,类(它们都可以用点的方式调用自己的属性)。


3.对比import item 和from item import name的应用场景:

如果我们想直接使用name那必须使用后者


import

我们在于包glance(上面代码创建的文件)同级别的文件中测试

创建一个new.py与glance包同级,内容如下

import glance.db.models  # 导入glance包(目录)下面的db(目录)包中的register_models(文件)模块
glance.db.models.register_models('mysql')  # 使用的时候也需要以 包.包.模块的方式

import glance.db.models as m  # 也可以使用别名的方式
m.register_models('mongdb')

执行结果

from models.py:  mysql

from models.py:  mongdb


from...import...

需要注意的是from后import导入的模块,必须是明确的一个不能带点,否则会有语法错误,如from a import b.c是错误语法

我们在与包glance(代码创建的文件)同级别的文件中测试

创建一个new1.py与glance包同级 内容如下

from glance.db import models  # 从包glance中的包db中,导入models模块
models.register_models('mysql')

from glance.db import models as m  # 使用别名
m.register_models('mysql')

from glance.db.models import register_models  # 从包glance中的包db中的models模块中,导入register_models函数
register_models('mongdb')

from glance.db.models import register_models as r  # 使用别名
r('mongdb')

执行结果

from models.py:  mysql

from models.py:  mysql

from models.py:  mongdb

from models.py:  mongdb


__init__.py文件

不管是哪种方式,只要是第一次导入包或者是包的任何其他部分,都会依次执行包下的__init__.py文件(我们可以在每个包的文件内都打印一行内容来验证一下),这个文件可以为空,但是也可以存放一些初始化包的代码

在glance包里面的__init__.py文件中写入

print('执行了glance下的__init__.py文件')


在api包里面的__init__.py文件中写入

print('执行了api下的__init__.py文件')


在cmd包里面的__init__.py文件中写入

print('执行了cmd下的__init__.py文件')


创建一个new3.py文件与glance包同级,内容如下

import glance.api.versions
glance.api.versions.create_resource('py3.5')

import glance.api.versions as v
v.create_resource('py3.5')

from glance.cmd import manage
manage.main()

from glance.cmd import manage as m
m.main()

执行结果

执行了glance下的__init__.py文件

执行了api下的__init__.py文件

from version.py:  py3.5

from version.py:  py3.5

执行了cmd下的__init__.py文件

from manage.py

from manage.py


可以看到__init__.py里面的内容都被执行了


from glance.api import *

从一个模块内导入所有*,此处我们研究从一个包导入所有*。

此处是想从包api中导入所有,实际上该语句只会导入包api下__init__.py文件中定义的名字,我们可以在这个文件中定义__all___:

在glance同级文件中执行from glance.api import *就导入__all__中的内容(versions仍然不能导入),写在__all__列表中的名字才能被导入,而versions并不在里面

#在__init__.py中定义
x=10

def func():
    print('from api.__init.py')

__all__=['x','func','policy']


示例:

更改api下__init__.py文件,内容如下

 __all__ = ['policy','versions']


更改cmd下__init__.py文件,内容如下

 __all__ = ['manage']


在glance同级下创建new4.py文件,内容如下

from glance.api import *
policy.get()

执行结果

执行了glance下的__init__.py文件

from policy.py


绝对导入和相对导入

我们的最顶级包glance是写给别人用的,然后在glance包内部也会有彼此之间互相导入的需求,这时候就有绝对导入和相对导入两种方式:


绝对导入:以glance作为起始

相对导入:用.或者..的方式最为起始(只能在一个包中使用,不能用于不同目录内)


例如:我们在glance/api/version.py中想要导入glance/cmd/manage.py

两种方式,用其中一种都行


#绝对导入

from glance.cmd import manage

manage.main()


#相对导入

from ..cmd import manage

manage.main()


测试结果,在glance同级的目录创建一个new4.py测试,内容如下

from glance.api import versions

versions.create_resource('py3.5')

执行结果

from manage.py

from version.py:  py3.5


特别需要注意的是:可以用import导入内置或者第三方模块(已经在sys.path中),但是要绝对避免使用import来导入自定义包的子模块(没有在sys.path中),应该使用from... import ...的绝对或者相对导入,且包的相对导入只能用from的形式


比如想在glance/api/versions.py中导入glance/api/policy.py,在同一个目录下,有人这么导入,如下

更改glance/api/versions.py中的代码

import policy

def create_resource(conf):
    print('from version.py: ',conf)

policy.get()

执行结果

from policy.py


单独运行version.py是一点问题没有的,运行version.py的路径搜索就是从当前路径开始的,于是在导入policy时能在当前目录下找到。

但是在glance包同一级别下有一个new5.py文件中导入version.py,如下

from glance.api import versions

执行结果

blob.png

分析:

此时我们导入versions在versions.py中执行

import policy需要找从sys.path也就是从当前目录找policy.py,这必然是找不到的


绝对路径导入方式

所有的导入都写在对应的目录下的__init__.py中

glance/                   


├── __init__.py      from glance import api

                        from glance import cmd

                        from glance import db


├── api                  


│   ├── __init__.py  from glance.api import policy

                         from glance.api import versions


│   ├── policy.py


│   └── versions.py


├── cmd                 


│   ├── __init__.py    from glance.cmd import manage


│   └── manage.py


└── db                 


    ├── __init__.py      from glance.db import models


    └── models.py


在glance目录同级下创建new6.py,内容如下

from glance.db import models
from glance.cmd import manage
from glance.api import policy
from glance.api import versions

if __name__ == '__main__':
    models.register_models('test')
    manage.main()
    policy.get()
    versions.create_resource('py3.6')

执行结果

from models.py:  test

from manage.py

from policy.py

from version.py:  py3.6


相对路径导入方式

所有的导入都写在对应的目录下的__init__.py中,在manage.py中导入from ..api import policy

glance/                   


├── __init__.py   from . import api  #.表示当前目录

                     from . import cmd

                     from . import db


├── api                  


│   ├── __init__.py  from . import policy

                         from . import versions


│   ├── policy.py


│   └── versions.py


├── cmd              


│   ├── __init__.py  from . import manage


│   └── manage.py    from ..api import policy   

                          #..表示上一级目录,想再manage中使用policy中的方法就需要回到上一级glance目录往下找api包,从api导入policy


└── db               


    ├── __init__.py  from . import models


    └── models.py



单独导入包

单独导入包名称时不会导入包中包含的所有子模块,如

#在与glance同级的test.py中
import glance
glance.cmd.manage.main()

'''
执行结果:
AttributeError: module 'glance' has no attribute 'cmd'


解决方法,在对应的__init__.py中写入

#glance/__init__.py

from . import cmd

 

#glance/cmd/__init__.py

from . import manage


执行

import glance

glance.cmd.manage.main()

结果为:from manage.py


import glance之后直接调用模块中的方法

glance/                   


├── __init__.py     from .api import *

                       from .cmd import *

                       from .db import *    

├── api                  


│   ├── __init__.py   __all__ = ['policy','versions'] 


│   ├── policy.py


│   └── versions.py


├── cmd               __all__ = ['manage']    


│   ├── __init__.py


│   └── manage.py    


└── db                __all__ = ['models']              


    ├── __init__.py


    └── models.py


import glance

policy.get()



软件开发规范:目录结构如下

根据下图,创建对应的目录和文件

blob.png


#==================>bin目录:存放执行脚本
# start.py
import os
import sys
BASE_DIR = os.path.dirname(os.path.dirname(os.path.abspath(__file__)))
sys.path.append(BASE_DIR)

from core import core
from conf import my_log_settings

if __name__ == '__main__':
    my_log_settings.load_my_logging_cfg()
    core.run()

        
#==================>conf目录:存放配置文件
# config.ini
[DEFAULT]
user_timeout = 1000

[tom]
password = tom123
money = 10000000

[sam]
password = sam123
money=10000000000

[jack]
password = jack123
money=10

#settings.py
import os
config_path=r'%s\%s' %(os.path.dirname(os.path.abspath(__file__)),'config.ini')
user_timeout=10
user_db_path=r'%s\%s' %(os.path.dirname(os.path.dirname(os.path.abspath(__file__))),\
                     'db')

#my_log_settings.py
import os
import logging.config

# 定义三种日志输出格式 开始

standard_format = '[%(asctime)s][%(threadName)s:%(thread)d][task_id:%(name)s][%(filename)s:%(lineno)d]' \
                  '[%(levelname)s][%(message)s]' #其中name为getlogger指定的名字

simple_format = '[%(levelname)s][%(asctime)s][%(filename)s:%(lineno)d]%(message)s'

id_simple_format = '[%(levelname)s][%(asctime)s] %(message)s'

# 定义日志输出格式 结束

logfile_dir = r'%s\log' %os.path.dirname(os.path.dirname(os.path.abspath(__file__)))  # log文件的目录

logfile_name = 'all2.log'  # log文件名

# 如果不存在定义的日志目录就创建一个
if not os.path.isdir(logfile_dir):
    os.mkdir(logfile_dir)

# log文件的全路径
logfile_path = os.path.join(logfile_dir, logfile_name)

# log配置字典
LOGGING_DIC = {
    'version': 1,
    'disable_existing_loggers': False,
    'formatters': {
        'standard': {
            'format': standard_format
        },
        'simple': {
            'format': simple_format
        },
    },
    'filters': {},
    'handlers': {
        #打印到终端的日志
        'console': {
            'level': 'DEBUG',
            'class': 'logging.StreamHandler',  # 打印到屏幕
            'formatter': 'simple'
        },
        #打印到文件的日志,收集info及以上的日志
        'default': {
            'level': 'DEBUG',
            'class': 'logging.handlers.RotatingFileHandler',  # 保存到文件
            'formatter': 'standard',
            'filename': logfile_path,  # 日志文件
            'maxBytes': 1024*1024*5,  # 日志大小 5M
            'backupCount': 5,
            'encoding': 'utf-8',  # 日志文件的编码,再也不用担心中文log乱码了
        },
    },
    'loggers': {
        #logging.getLogger(__name__)拿到的logger配置
        '': {
            'handlers': ['default', 'console'],  # 这里把上面定义的两个handler都加上,即log数据既写入文件又打印到屏幕
            'level': 'DEBUG',
            'propagate': True,  # 向上(更高level的logger)传递
        },
    },
}


def load_my_logging_cfg():
    logging.config.dictConfig(LOGGING_DIC)  # 导入上面定义的logging配置
    logger = logging.getLogger(__name__)  # 生成一个log实例
    logger.info('It works!')  # 记录该文件的运行状态

if __name__ == '__main__':
    load_my_logging_cfg()
    

#==================>core目录:存放核心逻辑
import logging
import time
from conf import settings
from lib import read_ini

config=read_ini.read(settings.config_path)
logger=logging.getLogger(__name__)

current_user={'user':None,'login_time':None,'timeout':int(settings.user_timeout)}
def auth(func):
    def wrapper(*args,**kwargs):
        if current_user['user']:
            interval=time.time()-current_user['login_time']
            if interval < current_user['timeout']:
                return func(*args,**kwargs)
        name = input('name>>: ')
        password = input('password>>: ')
        if config.has_section(name):
            if password == config.get(name,'password'):
                logger.info('登录成功')
                current_user['user']=name
                current_user['login_time']=time.time()
                return func(*args,**kwargs)
        else:
            logger.error('用户名不存在')

    return wrapper

@auth
def buy():
    print('buy...')

@auth
def run():

    print('''
购物
查看余额
转账
    ''')
    while True:
        choice = input('>>: ').strip()
        if not choice:continue
        if choice == '1':
            buy()



if __name__ == '__main__':
    run()


#=============>db目录:存放数据库文件
# 运行会自动生成

#=============>lib目录:存放自定义的模块和包
#read_ini.py
import configparser
def read(config_file):
    config=configparser.ConfigParser()
    config.read(config_file)
    return config

#=============>log目录:存放日志
# all2.log
[2018-04-28 20:39:07,414][MainThread:11516][task_id:conf.my_log_settings][my_log_settings.py:73]
[INFO][It works!]
[2018-04-28 20:39:34,463][MainThread:11516][task_id:core.core][core.py:22][INFO][登录成功]
[2018-04-28 20:42:40,254][MainThread:3264][task_id:conf.my_log_settings][my_log_settings.py:73]
[INFO][It works!]
[2018-04-28 20:42:56,700][MainThread:940][task_id:conf.my_log_settings][my_log_settings.py:73]
[INFO][It works!]
[2018-04-28 20:43:36,007][MainThread:13384][task_id:conf.my_log_settings][my_log_settings.py:73]
[INFO][It works!]
[2018-04-28 20:43:42,734][MainThread:13384][task_id:core.core][core.py:27][ERROR][用户名不存在]



免责声明:

① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的,并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据,供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。

② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341

python3--模块和包,软件开发规范

下载Word文档到电脑,方便收藏和打印~

下载Word文档

猜你喜欢

python3--模块和包,软件开发规范

模块搜索路径python解释器在启动时会自动加载一些模块,可以使用sys.modules查看在第一次导入某个模块时(比如my_module),会检查该模块是否已经被加载到内存中(执行文件的名称空间对应的内存),如果有则直接引用,如果没有,解
2023-01-30

小程序开发总结之模块化开发流程规范

模块化开发是指将一个系统或者一个项目按照功能或者业务逻辑进行划分,每个功能或者业务逻辑都被封装成一个独立的模块,模块之间通过接口进行通信和交互。小程序的开发也可以采用模块化开发的方式,下面是小程序开发中的模块化开发流程规范:1. 划分模块:
2023-10-12

Node.js CommonJS 规范揭秘:模块化开发的基石

Node.js CommonJS 规范是 JavaScript 模块化开发的基石,本文将深入解析 CommonJS 规范,帮助开发者理解模块化开发的精髓,提升代码的可读性、可维护性和复用性。
Node.js CommonJS 规范揭秘:模块化开发的基石
2024-02-04

Node.js CommonJS 规范的最佳拍档:3大模块化开发框架推荐

本文将重点介绍 Node.js CommonJS 规范的三个最佳拍档模块化开发框架,帮助您快速构建高效、可维护的 Node.js 应用程序。
Node.js CommonJS 规范的最佳拍档:3大模块化开发框架推荐
2024-02-04

区块链去中化钱包开发方案,交易所钱包社交软件开发

区块链去中化钱包开发方案,交易所钱包社交软件开发区块链中的钱包和我们日常生活中使用的钱包是不一样的,我们平常用的钱包是用来装钱的;在区块链中,我们的资产是类似 BTC 这类数字资产,区块链中的钱包不是用来装这些资产的,而是作为密钥的管理工具
2023-06-04

Python开发建议:合理规划项目结构和模块划分

Python开发是一种简单而又强大的编程语言,常被用于开发各种类型的应用程序。然而,对于初学者来说,可能会在项目结构和模块划分方面遇到一些挑战。一个良好的项目结构和模块划分不仅有助于提高代码的可维护性和可扩展性,还能提升团队开发的效率。在本
Python开发建议:合理规划项目结构和模块划分
2023-11-22

Node.js CommonJS 规范的未来展望:新特性解析,领略模块化开发新风尚

Node.js CommonJS 规范是 JavaScript 语言在 Node.js 平台上的模块化开发规范。它定义了模块的加载、执行和交互方式,是 Node.js 开发中不可或缺的一部分。
Node.js CommonJS 规范的未来展望:新特性解析,领略模块化开发新风尚
2024-02-04

【微信小程序开发】学习小程序的模块化开发(自定义组件和分包加载)

前言 模块化开发是一种将复杂的应用程序分解为一系列独立的模块,每个模块负责完成特定的功能的开发方式。模块化开发可以提高代码的可维护性和可复用性,使开发过程更加高效和灵活。 文章目录 前言模块化开发的重要性和优势自定义组件自定
【微信小程序开发】学习小程序的模块化开发(自定义组件和分包加载)
2023-12-22

Node.js CommonJS 规范的终极奥义:10个最佳实践,助你成为模块化开发高手

Node.js CommonJS 规范为模块化开发提供了重要支持,以下10个最佳实践能够助你成为模块化开发高手。
Node.js CommonJS 规范的终极奥义:10个最佳实践,助你成为模块化开发高手
2024-02-04

如何使用Python中的模块管理工具进行软件开发

如何使用Python中的模块管理工具进行软件开发在Python的世界里,有许多优秀的第三方模块可以帮助我们更高效地开发软件。然而,当项目规模逐渐增大时,引入的模块也会越来越多,这就需要一个良好的模块管理工具来管理这些模块之间的依赖关系。Py
2023-10-22

Node.js CommonJS 规范的学习资源大放送:5本好书,3个教程,带你深入理解模块化开发

Node.js CommonJS 规范是构建模块化应用程序的基础,帮助开发者轻松创建模块、实现代码复用。本文提供了 5 本好书和 3 个教程资源,帮助你深入理解 CommonJS 规范,掌握模块化开发技巧。
Node.js CommonJS 规范的学习资源大放送:5本好书,3个教程,带你深入理解模块化开发
2024-02-04

如何使用Python中的模块、扩展库和框架开发一个完整的软件系统

如何使用Python中的模块、扩展库和框架开发一个完整的软件系统Python作为一种高级编程语言,非常适合用于开发各种软件系统。通过使用Python的模块、扩展库和框架,开发人员可以快速构建功能强大、可靠稳定的软件系统。本文将介绍如何使用P
2023-10-22

Node.js CI/CD 在大规模软件开发中的挑战与机遇:如何应对?

在本文中,我们将探讨 Node.js CI/CD 在大规模软件开发中的挑战以及应对这些挑战的机遇。我们将重点关注实现 CI/CD 管道的最佳实践,以及如何通过自动化和监控来提高软件的质量和可靠性。
Node.js CI/CD 在大规模软件开发中的挑战与机遇:如何应对?
2024-02-25

Web开发模式、API接口、restful规范、序列化和反序列化、drf安装和快速使用、路由转换器(复习)

一 Web开发模式 1. 前后端混合开发模式 前后端混合开发模式是一种开发方式,将前端和后端的开发工作结合在一起,以加快项目的开发速度和提高协作效率。这种模式通常用于快速原型开发、小型项目或敏捷开发中。在前后端混合开发模式中,前端和后端开发
2023-08-30

开发智能应用的新范式:大数据、AI和云原生如何构建智能软件

文章目录 1.利用大数据实现智能洞察2. 集成人工智能和机器学习3. 云原生架构的弹性和灵活性4. 实现实时处理和响应5. 数据安全和隐私保护6. 可解释性和透明性7. 持续创新和迭代8. 数据伦理和合规性 
2023-08-30

编程热搜

  • Python 学习之路 - Python
    一、安装Python34Windows在Python官网(https://www.python.org/downloads/)下载安装包并安装。Python的默认安装路径是:C:\Python34配置环境变量:【右键计算机】--》【属性】-
    Python 学习之路 - Python
  • chatgpt的中文全称是什么
    chatgpt的中文全称是生成型预训练变换模型。ChatGPT是什么ChatGPT是美国人工智能研究实验室OpenAI开发的一种全新聊天机器人模型,它能够通过学习和理解人类的语言来进行对话,还能根据聊天的上下文进行互动,并协助人类完成一系列
    chatgpt的中文全称是什么
  • C/C++中extern函数使用详解
  • C/C++可变参数的使用
    可变参数的使用方法远远不止以下几种,不过在C,C++中使用可变参数时要小心,在使用printf()等函数时传入的参数个数一定不能比前面的格式化字符串中的’%’符号个数少,否则会产生访问越界,运气不好的话还会导致程序崩溃
    C/C++可变参数的使用
  • css样式文件该放在哪里
  • php中数组下标必须是连续的吗
  • Python 3 教程
    Python 3 教程 Python 的 3.0 版本,常被称为 Python 3000,或简称 Py3k。相对于 Python 的早期版本,这是一个较大的升级。为了不带入过多的累赘,Python 3.0 在设计的时候没有考虑向下兼容。 Python
    Python 3 教程
  • Python pip包管理
    一、前言    在Python中, 安装第三方模块是通过 setuptools 这个工具完成的。 Python有两个封装了 setuptools的包管理工具: easy_install  和  pip , 目前官方推荐使用 pip。    
    Python pip包管理
  • ubuntu如何重新编译内核
  • 改善Java代码之慎用java动态编译

目录