目录

一、相对导入的一般用法

二、原理解释

三、其他事项

四、 全局导入

1. 写setup.py文件

2. 写包文件

3. 把py文件方法整理成包的方法

4. 安装

        最近在写一个foxglove可视化的东西，使用python。但是遇到了需要再一个文件夹中的.py文件导入另外一个文件夹中的.py文件的问题，一直无法导入成功，这里记录一下。

        我的最初的需求是，我想在a.py中导入b.py的内容，并执行a.py的文件，使用相对导入的办法，但是这个实际上是无法做到的，他总是给我提示找不到父包。通过查阅资料得到，如果当前的文件作为一个执行的文件，那么他就是没有父包的，那么相对导入的..没有办法被解析，就会报错。

        如果非要这样做，不使用相对导入的方式，一种解决办法是通过sys.path.append()添加B的路径，那么就可以找到B了，python导入包默认的搜索空间的环境变量是

echo $PYTHONPATH

一、相对导入的一般用法

        在实际的相对导入的场景中，一般都是有一个主文件，这个是程序执行的入口，还有一个包文件夹，包文件夹中放着各种各样的功能包，一个简单的文件目录结构如下。主文件是main.py，功能包的集合文件夹是E，E中有A，B两个功能包，功能包里面有各种功能模块。下面进行测试。

# a.py
from ..B import b

def hello():
    b.hello()
# b.py
def hello():
    print("Hello World")

# main.py
from  E.A.a import *
hello()

之后直接执行main.py，输出结果为

注意：这个E的文件夹是必须得，如果没有E，main.py和A，B直接在同一目录下，他在相对路径转化绝对路径的时候提示已经是最顶层了，找不到B。

二、原理解释

1.直接使用import的路径

直接使用import导入包的路径是

sys.path环境变量里面的路径。

2.带.的相对路径导入方式

每个文件都有一个__package__,如果当前py文件是执行程序的入口，那么他的__package__是None。

对于下面的这个例子，如果从start.py作为程序的入口，那么moduleA的__package__说就是省略/pkg/subPkg1。如果以moduleA.py为程序的入口，那么moduleA的__package__就是None。

你想想，如果直接以moduleA.py为程序的入口，由于__package__是None，他就没办法解析.,..这种相对路径啊，肯定提示找不到包。

如果以start.py为程序入口呢，由于__package__ = 省略/pkg/subPkg1。那么他对.的解释就是subPkg1， 对..的解释就是pkg，那麽肯定就能找到模块了。

这个故事告诉我们，把所有的包方到一个文件夹里面，这个文件夹里面可以组织一些子包。把可执行文件放到最外面， 采用绝对导入的方法。

ok，如果非要使用sys.append那么应该如何处理呢？

比如还是上面截图这个例子。那么在A中，直接

import moduleB,  import moduleX。

之后再start.py 中直接，

sys.append("省略/pkg/subPkg1"),

sys.append("省略/pkg/subPkg2"),

三、其他事项

对于一些除了包的导入，就是文件的路径这种。下面是文件树。我的程序的入口是app.py。但是在instance.py中调用了ctrl.exe。那么由于是在app.py启动的，那么他的路径就是默认从app.py开始，所以如果想要在instance.py中找到ctrl.exe。

那么路径应该写为application/workstation/ctrl.exe。这个和包导入是不同的，包导入是从启动文件的路径出发，不断地通过相对导入来更改当前的路径，而查找文件的相对路径永远是启动文件的路径。

四、 全局导入

其实相对导入还是很麻烦，你需要捋清楚各个包之间的关系什么的。但是全局导入就直接一力降十会。

1. 写setup.py文件

这个直接在工作空间下建立一个setup.py，包名称写成自己工作空间的名称就可以了，其他不用管。

如果你想这个项目拿给别人用的话，可以直接在install_requires下写各个包的版本。之后人家建立一个虚拟环境，一个 pip install -e . 就可以全部配置好了。

from setuptools import setup, find_packages



setup(

name='python_test', # 包名称

version='0.1.0', # 版本号

description='A sample Python package', # 简短描述

author='jiangcui.jiang', # 作者

author_email='yangzhihua@qq.com', # 作者邮箱

packages=find_packages(), # 自动查找所有包

include_package_data=True, # 如果有非代码资源（如数据文件），设为 True

install_requires=[ # 定义依赖项

# 'requests>=2.25.1',

],

)

2. 写包文件

新建一个目录coder，在这个目录下建立__init__.py,是一个空文件就可以。之后再再这个目录下建立一个fun.py。在这个目录下建立一个tool子目录，在这个字目录下建立string_bro, string_sis这两个py文件。文件树如下。

之后就可以在main.py中全局导入各个包的文件。

import coder.fun as f
import coder.tool as tool

if __name__ == '__main__':
    f.hello()
    tool.print_bro()
    tool.print_sis()

3. 把py文件方法整理成包的方法

一个包里面有很多py文件，py文件里面有很多函数或者类。导入这些函数的时候还需要从包到文件再到函数。有一个办法是直接从包到函数。在包的__init__.py里面这样写。

from .string_bro import print_bro
from .string_sis import print_sis

这样这个函数就是包的一部分，可以通过包直接找到这些函数。

import coder.tool as tool

4. 安装

各个文件全部写好之后，使用

pip install -e .

就可以全局安装了。这个全局安装由于是pip，所以是全局安装到某个环境里面，如果切换了环境就不能用了。


五、另外一种全局导入

1. pyproject.toml

下面是pyproject.toml，他基本上和setup.py的功能一样，但是更加细致。因为setup里面依赖就是依赖，pyproject把依赖分为很多种，安装的时候可以选择性安装。

  • setup.py（传统方式）

    • 用 Python 代码描述包的元数据/依赖/打包逻辑：setuptools.setup(...)
    • 灵活但容易写出执行代码的构建逻辑，配置分散。

  • pyproject.toml（现代标准，PEP 518/621）

    • 用 TOML 配置声明：项目元数据、依赖、可选依赖、构建后端等
    • 更标准化，工具（pip、build、poetry、uv 等）更容易解析
    • 你这个项目用的是 setuptools.build_meta，说明依然用 setuptools 作为构建后端，只是配置放到 pyproject.toml 里。
[build-system]
requires = ["setuptools>=61.0", "wheel"]
build-backend = "setuptools.build_meta"

[project]
name = "agent-autolabel"
version = "0.1.0"
description = "AgentAutolabel - 基于 MCP 架构的自动标注系统"
readme = "README.md"
license = {text = "MIT"}
requires-python = ">=3.9"
authors = [
    {name = "huaibin"}
]
keywords = ["mcp", "autolabel", "llm", "agent"]
classifiers = [
    "Development Status :: 3 - Alpha",
    "Intended Audience :: Developers",
    "License :: OSI Approved :: MIT License",
    "Programming Language :: Python :: 3",
    "Programming Language :: Python :: 3.9",
    "Programming Language :: Python :: 3.10",
    "Programming Language :: Python :: 3.11",
    "Programming Language :: Python :: 3.12",
]

dependencies = [
    "fastapi==0.128.0",
    "fastmcp==2.14.2",
    "sqlmodel==0.0.16",
    "redis==5.0.1",
    "aiofiles==23.2.1",
    "asyncio==3.4.3",
    "aiohttp==3.13.3",
    "oss2==2.19.1",
    "urllib3==2.6.3",
    "tqdm==4.67.1",
    "requests==2.31.0",
    "sqlalchemy==2.0.23",
    "duckdb>=0.10.0",
    "duckdb-engine>=0.13.0",
    "datasette==0.65.2",
    "datasette-insert==0.8",
    "datasette-parquet==0.6.1",
    "greenlet==3.3.0",
    "aiosqlite==0.22.1",
    "pillow==12.1.0",
    "openai==2.15.0",
    "wget==3.2",
    "psutil==7.2.2",
    "tenacity==9.1.4",
]

[project.optional-dependencies]
viz = [
    "streamlit>=1.31.0",
    "streamlit-agraph>=0.0.45",
    "opencv-python>=4.8.0",
    "matplotlib>=3.7.0",
    "open3d>=0.17.0",
    "scipy>=1.11.0",
]
dev = [
    "pytest>=7.0.0",
    "pytest-asyncio>=0.21.0",
    "pytest-cov>=4.0.0",
]
docs = [
    "sphinx>=7.0.0",
    "sphinx-rtd-theme>=2.0.0",
]
search = [
    "pandas==2.3.3",
    "streamlit>=1.31.0",
    "streamlit-agraph>=0.0.45",
]
all = [
    "fastapi==0.128.0",
    "fastmcp==2.14.2",
    "sqlmodel==0.0.16",
    "redis==5.0.1",
    "aiofiles==23.2.1",
    "asyncio==3.4.3",
    "aiohttp==3.13.3",
    "oss2==2.19.1",
    "urllib3==2.6.3",
    "tqdm==4.67.1",
    "requests==2.31.0",
    "sqlalchemy==2.0.23",
    "datasette==0.65.2",
    "datasette-insert==0.8",
    "greenlet==3.3.0",
    "aiosqlite==0.22.1",
    "pillow==12.1.0",
    "openai==2.15.0",
    "wget==3.2",
    "streamlit>=1.31.0",
    "streamlit-agraph>=0.0.45",
    "opencv-python>=4.8.0",
    "matplotlib>=3.7.0",
    "open3d>=0.17.0",
    "scipy>=1.11.0",
    "psutil==7.2.2",
    "pandas==2.3.3",
    "datasette-parquet==0.6.1",
    "datasette-vega==0.6.2",
    "tenacity==9.1.4",
    "duckdb>=0.10.0",
    "duckdb-engine>=0.13.0",
]

[project.scripts]
agent-autolabel = "app:main"
data-miner = "data_miner.run_miner:main"
datasette-viewer = "visualizer.datasette_app:main"
download-matrix = "downloads.matrix.main:main"
download-fastdm-marker = "downloads.fastdm.main:main"
download-cyber = "downloads.cyber.main:main"
vue-pullover = "visualizer.pullover.cli:main"
sync-pd-labels = "scripts.postprocess.sync_pd_labels:main"
sync-prediction-protos = "scripts.postprocess.sync_prediction_protos:main"
sync-pickle-labels = "scripts.postprocess.sync_pickle_labels:main"

[project.urls]
Homepage = "https://github.com/huaibin/AgentAutolabel"
Documentation = "https://github.com/huaibin/AgentAutolabel#readme"
Repository = "https://github.com/huaibin/AgentAutolabel"

[tool.setuptools]
packages = [
    "mcps", "mcps.examples", "mcps.agent_autolabel",
    "mcps.agent_autolabel.perception_mcp_pool",
    "mcps.agent_autolabel.planning_mcp_pool",
    "mcps.agent_autolabel.selector",
    "llm", "database", "database.data", "database.data_provider",
    "database.data.agent_labeled_data",
    "database.server",
    "database.image_processor",
    "dataset_manager",
    "utils", "config", "prompt",
    "visualizer", "visualizer.streamlit", "visualizer.pullover",
    "data_miner", "data_miner.projects", "data_miner.match_functions",
    "downloads", "downloads.matrix", "downloads.fastdm", "downloads.cyber",
    "scripts", "scripts.postprocess"
]
include-package-data = true

[tool.setuptools.package-data]
"*" = ["*.yaml", "*.json", "*.jinja2", "*.j2"]

[tool.pytest.ini_options]
asyncio_mode = "auto"
testpaths = ["test"]
python_files = ["test_*.py"]
python_classes = ["Test*"]
python_functions = ["test_*"]

[tool.black]
line-length = 100
target-version = ['py39', 'py310', 'py311']

[tool.isort]
profile = "black"
line_length = 100

2. 一些安装

  • pip install -e . 只装 [project].dependencies 里那一组（基础依赖）。
  • pip install -e .[all] 会装 基础依赖 + optional-dependencies 里 all 这一组。最终等价于安装：dependencies ∪ all（取并集，重复的不再装两次）。
# 只安装必要依赖
pip install -e .
# 安装必要依赖和all
pip install -e .[all]
# 安装必要依赖和其他的一些
pip install -e ".[all,dev]"

# python # 开发语言
Logo
魔乐社区

魔乐社区（Modelers.cn) 是一个中立、公益的人工智能社区，提供人工智能工具、模型、数据的托管、展示与应用协同服务，为人工智能开发及爱好者搭建开放的学习交流平台。社区通过理事会方式运作，由全产业链共同建设、共同运营、共同享有，推动国产AI生态繁荣发展。

更多推荐

cover

全家桶集齐！Qwen3.5四款小模型上线魔乐社区，附昇腾全套实践教程

avatar 魔乐社区

Pont - 搭建前后端之桥：高效、灵活的接口管理工具

Pont 是一款强大的数据服务层解决方案，它能够帮助开发者快速搭建前后端之间的桥梁，实现接口的高效管理和代码自动生成。无论是新手还是有经验的开发者，都能通过 Pont 轻松处理接口文档、生成类型安全的 API 代码，从而显著提升开发效率。[![Pont 工具标志](https://raw.gitcode.com/gh_mirrors/po/pont/raw/3f1b7d4bbba3fd2dda

avatar 魔乐社区
cover

魔乐社区月度精选（26年2月）

avatar 魔乐社区