内容简介:Go 语言的源码复用建立在包(package)基础之上。包通过 package, import, GOPATH 操作完成。Go 语言的入口 main() 函数所在的包(package)叫 main,main 包想要引用别的代码,需要import导入!Go 语言的包与文件夹一一对应,同一个目录下的所有.go文件的第一行添加 包定义,以标记该文件归属的包,演示语法:
1 概述
Go 语言的源码复用建立在包(package)基础之上。包通过 package, import, GOPATH 操作完成。
2 main包
Go 语言的入口 main() 函数所在的包(package)叫 main,main 包想要引用别的代码,需要import导入!
3 包定义,package
Go 语言的包与文件夹一一对应,同一个目录下的所有.go文件的第一行添加 包定义,以标记该文件归属的包,演示语法:
package 包名
包需要满足:
- 一个目录下的同级文件归属一个包。
- 包名可以与其目录不同名。
- 包名为 main 的包为应用程序的入口包,其他包不能使用。
包可以嵌套定义,对应的就是嵌套目录,但包名应该与所在的目录一致,例如:
// 文件:foo/bar/tool.go中 package bar // 可以被导出的函数 func FuncPublic() { } // 不可以被导出的函数 func funcPrivate() { }
包中,通过标识符首字母是否大写,来确定是否可以被导出。首字母大写才可以被导出,视为 public 公共的资源。
4 导入包,import
要引用其他包,可以使用 import 关键字,可以单个导入或者批量导入,语法演示:
// 单个导入 import "package" // 批量导入 import ( "package1" "package2" )
导入时,可以为包定义别名,语法演示:
import ( p1 "package1" p2 "package2" ) // 使用时 p1.Method()
以上测试请使用系统包测试。若需要导入自定义包,需要设置GOPATH环境变量。
4 GOPATH环境变量
import导入时,会从 GO 的安装目录(也就是GOROOT环境变量设置的目录)和GOPATH环境变量设置的目录中,检索 src/package 来导入包。如果不存在,则导入失败。
GOROOT,就是GO内置的包所在的位置。
GOPATH,就是我们自己定义的包的位置。
通常我们在开发Go项目时,调试或者编译构建时,需要设置GOPATH指向我们的项目目录,目录中的src目录中的包就可以被导入了:
例如,我么的项目目录为: D:\projects\goProject,那么我么就需要将我们的源代码放在 D:\projects\goProject\src 下,同时设置GOPATH为 D:\projects\goProject。设置GOPATH的方案有:
- windows 通过 系统->系统信息->高级系统设置->环境变量 中完成设置。
- windows 中通过 CMD 或者 powershell 也可以完成设置。通常是临时有效的,CMD或者powershell关闭失效!
CMD: set GOPATH=D:\projects\goProject set GOPATH 可以查看 powershell: $env:GOPATH="D:\projects\goProject" $env:GOPATH 可以查看
- linux 通过 /etc/profile 进行设置
5 init() 包初始化
可以在源码中,定义 init() 函数。此函数会在包被导入时执行,例如如果是在 main 中导入包,包中存在 init(),那么 init() 中的代码会在 main() 函数执行前执行,用于初始化包所需要的特定资料。例如:
包源码:
src/userPackage/tool.go package userPackage import "fmt" func init() { fmt.Println("tool init") }
主函数源码:
src/main.go package main import ( "userPackage" ) func main() { fmt.Println("main run") // 使用userPackage userPackage.SomeFunc() }
执行时,会先输出 "tool init",再输出 "main run"。
如果仅仅需要导入包时执行初始化操作,并不需要使用包内的其他函数,常量等资源。则可以在导入包时,匿名导入:
import ( _ "userPackage" )
使用下划线作为包的别名,会仅仅执行init()
以上所述就是小编给大家介绍的《Go语言的包管理》,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持!
猜你喜欢:本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
Python Machine Learning
Sebastian Raschka / Packt Publishing - ebooks Account / 2015-9 / USD 44.99
About This Book Leverage Python' s most powerful open-source libraries for deep learning, data wrangling, and data visualization Learn effective strategies and best practices to improve and opti......一起来看看 《Python Machine Learning》 这本书的介绍吧!