mirror of
https://github.com/KazooTTT/kazoottt-blog-v2.git
synced 2025-06-22 10:11:29 +08:00
113 lines
4.4 KiB
Markdown
113 lines
4.4 KiB
Markdown
---
|
||
title: 管理python环境的方式
|
||
date: 2023-12-05
|
||
author: KazooTTT
|
||
tags:
|
||
- python
|
||
- 环境管理
|
||
- pyenv
|
||
- poetry
|
||
- conda
|
||
published: true
|
||
slug: managing-the-python-environment
|
||
description: >-
|
||
本文总结了管理Python环境的几种主流方式，包括venv、virtualenv、conda、pipenv和poetry等。虚拟环境能够为不同的项目提供独立的Python版本和依赖库，避免了全局解释器带来的切换和维护问题。文章还介绍了作者个人常用的环境管理工具：pyenv用于Python版本管理，poetry和virtualenv用于依赖管理。此外，还简要说明了conda的使用注意事项，建议避免与pip混用，并了解import优先级。
|
||
category: 后端
|
||
toAstro: true
|
||
date_created: 2025-01-04T11:44:53+08:00
|
||
date_modified: 2025-02-07T11:16:07+08:00
|
||
---
|
||
|
||
# 管理 python 环境的方式
|
||
|
||
最近又有写 python 的需求了，上一次写还是几年前写圣纳百川爬虫的时候，因此很多事情记不太清楚了。
|
||
|
||
本文主要来疏离总结一下管理 python 环境的方式，以及它们的适用场景。
|
||
|
||
---
|
||
|
||
## 主流的方案
|
||
|
||
对于不同的项目，它们会用到不同的 python 版本，以及不同的依赖库和版本。如果只使用全局解释器，那么切换和维护起来会非常的麻烦且容易出错。面对这样的场景，虚拟环境是更优的选择。
|
||
|
||
在官方文档中提到：[venv --- 创建虚拟环境 — Python 3.12.0 文档](https://docs.python.org/zh-cn/3/library/venv.html)
|
||
|
||
> `venv` 模块支持创建轻量的“虚拟环境”，每个虚拟环境将拥有它们自己独立的安装在其 [`site`](https://docs.python.org/zh-cn/3/library/site.html#module-site "site: Module responsible for site-specific configuration.") 目录中的 Python 软件包集合。虚拟环境是在现有的 Python 安装版基础之上创建的，这被称为虚拟环境的“基础”Python，并且还可选择与基础环境中的软件包隔离开来，这样只有在虚拟环境中显式安装的软件包才是可用的。
|
||
|
||
那么虚拟环境的管理具体有哪些呢？
|
||
|
||
|
||
我们从 pycharm 提供的解释器选项中能看出一二，pycharm 这里提供的都是比较主流的虚拟环境管理了。
|
||
|
||
1. venv（官方内置的模块）
|
||
2. virtualenv
|
||
3. conda
|
||
4. pipenv
|
||
5. poetry
|
||
|
||
这里不想分别对这些管理工作都做详细的介绍，只记录我自己最常用的组合。
|
||
|
||
我的需求有两类，第一类管理 python 的版本，第二类管理依赖的版本。
|
||
|
||
## 对于 Python 版本管理
|
||
|
||
使用 pyenv
|
||
[GitHub - pyenv/pyenv: Simple Python version management](https://github.com/pyenv/pyenv)
|
||
用来安装和切换 python 的版本
|
||
|
||
## 对于依赖管理
|
||
|
||
如果是我自己的项目，那么我会使用 poetry（因为操作比较像 npm，我更加熟悉）
|
||
|
||
如果是别人的项目且项目中不是使用 poetry 来管理的，那么我会使用 virtualenv 来管理。
|
||
|
||
### Poetry
|
||
|
||
[Basic usage | Documentation | Poetry - Python dependency management and packaging made easy](https://python-poetry.org/docs/basic-usage/)
|
||
|
||
如果是一个新的项目
|
||
|
||
```bash
|
||
poetry new poetry-demo
|
||
```
|
||
|
||
如果是一个已经存在的项目
|
||
|
||
```bash
|
||
poetry init
|
||
```
|
||
|
||
然后使用 `poetry add 包名` 安装依赖
|
||
也可以指定版本，[Dependency specification | Documentation | Poetry - Python dependency management and packaging made easy](https://python-poetry.org/docs/dependency-specification/)
|
||
|
||
如果要导出 requirements 方便别人安装可以运行
|
||
`poetry export -o requirements.txt`
|
||
|
||
### Virtualenv
|
||
|
||
[virtualenv](https://virtualenv.pypa.io/en/latest/)
|
||
|
||
创建虚拟环境
|
||
``virtualenv env_name
|
||
|
||
激活
|
||
如果是 linux
|
||
`source env_name/bin/activate`
|
||
如果是 windows
|
||
`.\env_name\Scripts\activate`
|
||
|
||
当然如果你用的 IDE，它会帮你创建和关联
|
||
|
||
然后后面就是正常的 pip install xxx 之类的操作了。
|
||
|
||
### Conda
|
||
|
||
[请问大神们，pip install 和 conda install 有什么区别吗？ - 知乎](https://www.zhihu.com/question/395145313/answer/2449421755)
|
||
conda 用来作为虚拟环境管理的话，不建议 pip 和 conda 混用，需要了解一下 import 优先级。
|
||
|
||
如果都安装了某一个包，那么优先 import 的是 conda 安装的
|
||
|
||
如果之前用 pip 装的，运行 `conda convert` 转一下。
|
||
|
||
然后后面都用 conda 来安装，conda 找不到的包再用 pip 来装。
|