Python导入库(如import math)的来源及未初始内置的原因
Python导入操作的库资源来源
执行任意import语句的过程里,Python解释器完全从本地文件系统查找匹配的模块资源,全程不需要联网。查找的路径顺序是严格固定的:
- 第一优先级是当前运行代码所在的目录:如果是跑本地脚本,就检索脚本存放的文件夹;如果是开交互解释器、Jupyter环境跑代码,就检索启动解释器时的当前工作目录
- 第二优先级是系统环境变量
PYTHONPATH里配置的所有目录 - 最后优先级是Python解释器安装时自动写入配置的全局库目录
你举的import math的例子,对应的资源就来自上述第三优先级的全局标准库路径:math不是纯Python写的脚本模块,是和解释器配套的C扩展模块(Windows下对应math.pyd文件、类Unix下对应math.so文件),属于Python官方安装包自带的内容,装Python的时候就已经自动解压到对应路径了,根本不需要额外下载。
补充个细节:极少数最核心的模块(比如sys、__builtins__)是直接编译进Python解释器的核心二进制里的,连独立的库文件都不存在,导入的时候根本不用碰文件系统,直接从解释器内存里读资源就行。
为什么这类库没有直接内置到Python解释器的核心二进制里?
先澄清一个新手常见的误区:math这类标准库本来就是Python初始发布版本的固定组成部分,装完Python就已经存在于本地路径了,不需要用户额外找资源。所谓“没有直接内置”,只是说没有把这些库的代码编译进解释器的核心二进制文件,这么设计的核心考量非常实际:
- 控制解释器本身的体积:标准库包含上百个功能完全不同的模块,如果全部编译进核心二进制,会让解释器的安装包大小、运行时的内存占用翻好几倍,对嵌入式设备、云函数冷启动这类对资源极其敏感的场景非常不友好
- 解耦核心和功能模块,支持灵活更新:如果所有模块和解释器核心绑死,哪怕只是给某个标准库修个小bug、加个工具函数,用户都必须升级整个Python解释器才能用上。拆成独立模块文件的模式下,部分纯Python实现的标准库甚至可以单独通过包管理工具更新,完全不需要改动解释器本身
- 降低适配成本:不少标准库依赖特定系统能力、第三方配套组件,不同操作系统、硬件架构上的兼容情况差很多。如果把这些模块全塞进解释器核心,编译解释器的时候就得把所有依赖的适配工作都做完,会大幅拉高解释器的编译、分发门槛,那些根本用不到对应功能的用户,也得被迫加载一堆无用的代码
内容的提问来源于stack exchange,提问作者racecarmd
相关产品推荐
相关产品推荐

