虚拟环境

使用 pip 安装库，会被放到一个全局的环境中，被电脑上所有的 Python 项目共享，这种共享机制会带来如下两个问题

1. 版本冲突：比如新项目需要 Flask 3.11，但电脑上某个旧项目可能只兼容 3.0 版
2. 依赖地狱：即复杂的依赖关系，一个库通常依赖其它几个库，而这些库又有自己各自的依赖，这样层层嵌套，就会引发更多的版本冲突

虚拟环境就是为了解决这个问题被设计出来的。它可以为每个项目创建一个独立的 Python 工作空间，可以使用如下命令产生一个虚拟环境。

python -m venv .venv

这里 .venv 就是给虚拟环境起的名字（可任取，但推荐这样），执行后项目里会产生一个名为 .venv 的目录，存放着一个独立的 Python 环境所需要的所有文件

如果没有使用 IDE (如PyCharm、VS Code、Jupyter Notebook 等) ，还需使用如下命令激活虚拟环境

source .venv/bin/activate

激活虚拟环境之后，再使用 pip 安装之前的库，这一次 Flask 就会被安装到虚拟文件夹里了。这样，每个项目都可以拥有自己专属的虚拟文件夹，存放自己专属的依赖库，也就不会在产生冲突了。

虚拟环境起作用的原理，主要就是修改了 Python 中 sys. path 这个变量，

import sys,pprint
pprint.pp(sys.path)

sys. path 是一个列表，记录了 Python 在导入模块时需要搜索的一系列文件夹路径，在执行 import 时，Python 会严格按照这个列表的顺序从头到尾检查这些路径，直到找到相应的包，在激活了虚拟环境之后，sys. path 会被修改，虚拟目录会被添加到这个搜索列表里.

隔离了项目之间的依赖，仍然有下面的问题：如何把项目的依赖列表方便准确地分享给别人？ 一行一行执行一大堆 pip install 命令 使用 pip freeze 命令

pip freeze

打印出当前虚拟环境中所有已经安装好的包，以及确切的版本号，用重定向符

pip freeze > requirements.txt 

输出到 requirements. txt (可任取，但推荐这样)，这样对方只需要执行

pip install -r requirements.txt 

pip 就会读取 requirements. txt 文件，并把里面的所有依赖全部安装一遍。

优点：直观 缺陷： pip freeze 分不清什么是我们项目真正需要的直接依赖，什么是这些依赖而引入的间接依赖。并且 pip 在卸载时也分不清这种依赖关系，比如当使用 pip uninstall 卸载 Flask时，pip 只会移除 Flask 本身，而那些因为他而被装上来的间接依赖全都留在了环境里面。

现代 Python 项目的标准解决方案是使用 pyproject. toml ，这是官方指定的统一配置文件，在此之前，不同的开发工具通常有各自独立的配置文件，比如

• 类型检查器 mypy 会使用 mypy. ini
• 测试框架 pytest 则使用 pytest. ini 当项目中使用的工具增多时，根目录下就会出现大量零散的配置文件，如今 Python 生态中绝大多数工具都支持了 pyproject. toml 文件，这样开发者就只需要维护这一个配置文件。

如果想用 pyproject. toml 替换 requirements ，只需要在 pyproject. toml 文件里添加一个 dependencies 的列表，关键区别在于声明项目直接依赖的包就可以了。比如

[project]
name = "proj"
version = "0.1.0"
dependencies = {
    "Flask==3.1.1"
}

然后 requirements 文件就可以被删掉了，若未来需要删除 Flask 3.1.1 依赖，只需要在 pyproject. toml 中删除对应行即可，依赖写好之后，在根目录下执行

pip install .

安装依赖，这里的‘.’表示当前目录，这条命令会做两件事：

1. 将当前项目打包为一个标准的 Python 软件包
2. 安装刚刚打包好的软件包，并自动把所有声明的依赖一并安装进来

但是也带来新问题： 检查虚拟环境中 site-packages 目录时，会发现自己写的. py 文件也会被安装进去，这样项目里面就有了两份一模一样的源代码，在开发阶段很麻烦：

如果我们修改了源代码，这个改动并不会自动同步到虚拟环境中，为解决这个问题，只需在安装时加上一个 -e 参数，

pip install -e .

这样 pip 安装时就不会把源代码复制到 site-packages 目录了，它会在这个目录下创建一个连接文件，当 python 要 import 项目代码时，他会顺着链接直接找到我们正在编辑的那个文件，确保我们的所有修改能够立刻生效。

以上纯手工方案很麻烦，社区中有 Poetry, UV, PDM 等解决方案，可以理解为是对 venv, pip 的高级封装。使用 uv 只需要一条简单的命令

uv add flask

就能完成所有的事情：

• 自动修改 pyproject. toml 文件：把 flask 添加到 dependencies 列表里面
• 检查并自动创建 .venv 虚拟环境
• 把这个包和他所有的间接依赖安装到虚拟环境中 如果是项目协作者，只需要执行

uv sync 

uv 就会自动读取 pyproject. toml 文件，搭建好虚拟环境，并安装好所有的依赖，使用 uv 管理项目后，依然可以用传统命令运行代码，使用 source 命令激活虚拟环境，然后运行 python 文件；

python main.py

同时 uv 提供了更加直接的做法

uv run main.py

作用是在虚拟环境的上下文中执行命令，不需要手动激活环境，uv 会自动找到对应的 venv 在其中执行命名，然后再退出来。

使用 uv 管理

安装 uv

使用 uv 可以完成 Python 安装-> 虚拟环境 -> 依赖管理 -> 工具安装 -> 打包发布完整流程

使用如下命令安装 uv 并添加到系统路径 Windows

powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"

macOS and Linux

curl -LsSf https://astral.sh/uv/install.sh | sh

创建虚拟环境

uv venv

在添加库时会自动创建虚拟环境

python 版本管理：

打印出 uv 支持的所有 Python 版本

uv python list 

安装特定版本的 Python

uv python install 想要安装的版本

使用特定版本的 Python 临时运行一个文件

uv run -p 版本号 脚本名称

如果想要在交互的页面中使用

uv run -p 版本号 python

其实在使用 uv run 之前并不需要特意的执行 uv python install ,在使用指定 python 版本时，如 uv run -p 版本号 python，如果之前没有安装过该版本 python，uv 就会在这时开始安装。

要使用jupyter需要添加ipykernel

项目依赖问题

创建 uv 工程

uv init -p python版本号

此时 uv 会创建一系列的文件，

• hello. py : uv 生成的示例代码，没有什么用，可以删除
• .python-version: 记录了 python 的版本信息，如果想要换版本，可以在这里直接修改
• main. py: 这是之前我们写好的源代码，在 IDE 也许会提示它找不到~库，这时可以使用如下命令把这个库安装到当前工程中 添加库依赖

uv add 库的名称

或者从 requirements. txt 转化

uv add -r requirements.txt

这时 uv 不仅会下载库文件，还会自动为工程创建一个虚拟环境；可以点击 vscode 中 python 版本号来调整 vscode 使用的 python 解释器，使用我们的虚拟环境。我们所安装的工程依赖会被记录在 pyproject. toml 文件中

如果想知道工程所有库之间的依赖关系，可以使用如下命令打印出整个依赖树

uv tree 

现在想要使用 ruff 工具检查代码是否符合规范，检查是否安装

ruff check 

方法一：当作依赖直接引用进来

uv add ruff --dev

加入 dev 参数是为了避免打包时把 ruff 也一起打包进来；但本质上它是一个工具，和代码是不相关的，而–dev 依赖应该还是放的与代码有关的，比如单元测试用到的 pytest 或者 mock 等 方法二：把想要安装的工具直接安装到系统之中。

uv tool install ruff

此时的 ruff 就是脱离当前工程独立运行的了。

which ruff

可以看到路径非当前虚拟环境。 使用 uv tool install 安装，整个系统都可以用，并且会为每个工具建立自己的虚拟环境，所以也不必担心库之间的冲突。 查看当前已经安装的工具

uv tool list 

程序开发完成后，希望把它打包成一个可以直接运行的脚本，在 pyproject. toml 文件中，加入

[project.scripts]
脚本名称 = '想要运行的python脚本:函数名'

比如 ai. py 中有 main ()

[project.scripts]
脚本名称 = 'ai:main'

然后使用如下命令把整个工程打包为 whl 文件

uv build

其它人就可以安装(用上面介绍的方法)和使用该脚本了

uv tool install 文件.whl 

现在就可以直接使用 ai 命令了