Python中机密模块的条件导入：高效实现方案探讨

针对批量导入机密函数时try/except代码臃肿、替代函数重复编写的问题，这里有几个更简洁的方案，同时适配Numba环境：

方案1：封装Mock模块统一替代 #

创建专门的mock模块集中管理所有替代实现，主代码中一次性切换导入源：

1. 在src目录下新建confidential_mock.py，写入所有替代函数：

# src/confidential_mock.py
from numba import njit

@njit  # 匹配真实函数的Numba装饰器，保证兼容性
def function(*args):
    return 0, 0

@njit
def another_confidential_func(x, y):
    return (0.0, [])

2. 主代码中统一导入：

try:
    from src.confidential import function, another_confidential_func
except ImportError:
    from src.confidential_mock import function, another_confidential_func

# 主逻辑直接使用函数，权限判断可按需保留
a = 1
b = 2
c, d = function(a, b)

这个方案的优势是替代逻辑集中维护，主代码导入简洁，且能保证mock函数与真实函数的接口、装饰器一致，适配Numba编译要求。

方案2：利用模块级__getattr__实现动态 fallback #

Python 3.7及以上支持模块级__getattr__，可在中间代理模块中自动返回默认函数：

1. 在src目录下新建confidential_proxy.py：

# src/confidential_proxy.py
from numba import njit

# 生成默认函数的模板，按需调整返回逻辑
def create_default_return(return_value):
    @njit
    def default_func(*args, **kwargs):
        return return_value
    return default_func

# 映射机密函数到对应默认返回值
DEFAULT_FUNCTIONS = {
    "function": (0, 0),
    "another_confidential_func": (0.0, []),
}

try:
    from src.confidential import *
except ImportError:
    _has_confidential = False
else:
    _has_confidential = True

def __getattr__(name):
    if _has_confidential:
        raise AttributeError(f"Module 'src.confidential' has no attribute '{name}'")
    if name not in DEFAULT_FUNCTIONS:
        raise AttributeError(f"No default implementation for function '{name}'")
    return create_default_return(DEFAULT_FUNCTIONS[name])

2. 主代码直接从代理模块导入：

from src.confidential_proxy import function, another_confidential_func

a = 1
b = 2
c, d = function(a, b)

此方案无需单独维护mock模块，通过字典统一管理函数与默认返回值，新增函数只需在DEFAULT_FUNCTIONS中添加条目即可，适配批量函数场景。

方案3：动态批量导入（适合函数数量极多的场景） #

若机密函数数量极大，可使用importlib动态导入模块，批量为缺失函数赋值默认实现：

from importlib import import_module
from numba import njit

# 定义默认函数，可按需调整返回逻辑
@njit
def default_func(*args):
    return tuple(0 for _ in args) if args else (0, 0)

try:
    confidential_module = import_module("src.confidential")
except ImportError:
    confidential_module = type("MockConfidential", (), {})()
    # 手动指定需要的函数名，或从配置文件读取
    required_functions = ["function", "another_confidential_func"]
    for func_name in required_functions:
        setattr(confidential_module, func_name, default_func)

# 批量导入到当前命名空间
function = confidential_module.function
another_confidential_func = confidential_module.another_confidential_func

该方案适合函数数量极多的场景，通过动态属性设置批量生成默认函数，但需明确维护需要的函数列表。

Numba环境注意事项 #

• 所有替代函数必须添加@njit装饰器（与真实函数保持一致），避免Numba编译时出现兼容性问题；
• 默认返回值的类型要和真实函数匹配，比如真实函数返回(int, int)，默认函数不要返回(float, float)，防止类型不兼容导致运行错误。

内容的提问来源于stack exchange，提问作者Alain