开发环境和基础语法

ventixyAbout 11 min

Python开发环境

使用Python进行编程需要安装Python解释器，以及一些常用的第三方库。

python install

Python解释器可以从官网下载：

Python官网地址：https://www.python.org/

Python下载地址：https://www.python.org/downloads/ （选择平台后下载即可）

Python环境变量

注意安装过程中会出现 Add Python to PATH 选项，勾选即可，如果没有选择或错过，则需手动添加一下环境变量，这样才能在命令行中使用Python命令

常用的第三方库有numpy、pandas、matplotlib等，可以使用pip命令安装。

pip/pipx

python的第三方库管理器一般都使用pip，可以根据所开发项目的需要，使用pip相关命令安装不同库

Pyhon3.4以后，pip都默认跟Python一块安装，pip在python安装目录中的scripts目录下

pip常用命令

pip --version                   # 查看pip版本
pip list                        # 查看已经安装的第三方库

# 使用pip安装（指定版本的）第三方库（可以使用参数i指定pip源）：
pip install robotframework==2.8.7 -i https://pypi.tuna.tsinghua.edu.cn/simple

pip uninstall requests          # 卸载指定的已安装库
pip install -U requests         # 更新指定的库

更新pip版本：

python -m pip install --upgrade pip

通常在实际应用和项目开发中，都需要安装多个库，此时可以通过使用 requirements.txt 文件的方式批量安装。

将本地的库和版本号导出到requirements.txt文件中:

pip freeze > requirements.txt

通过requirements.txt文件批量安装：

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

隔离环境工具 pipx

pipx：专门用于安装和运行 Python 命令行工具（如 black, poetry, youtube-dl），每个工具安装在独立的虚拟环境中，避免依赖冲突。

安装pipx(注意 pipx 需要 Python 3.6+ 来运行):

pip install pipx

Anaconda

Anaconda集成了Python解释器和常用的第三方库，可以方便地进行科学计算和数据分析

Anaconda官网地址：https://www.anaconda.com/

Anaconda下载地址：https://www.anaconda.com/download/ （选择对应平台下载即可）

Anaconda相关环境变量

安装了Anaconda后同样需要检查并配置环境变量，通常需要需要如下两个（以安装在 C:\ProgramData 为例）：

C:\ProgramData\anaconda3 该目录下包含python.exe，可使用 python -V命令进行检验
C:\ProgramData\anaconda3\Scripts conda自带脚本，配置后可使用 conda info 等命令

conda源配置

conda 可以通过修改.condarc 文件来配置镜像源。由于 Windows 用户可能无法直接创建名为.condarc 的文件，可先在 cmd 中执行以下命令，生成.condarc 文件后，再进行修改。

conda config --set show_channel_urls yes

执行玩上述命令后，生成的.condarc 文件位于用户文件夹中 C:\Users\xxx，(xxx)是你实际的用户名

打开.condarc 文件，将其中内容替换为以下代码，保存退出即可：

channels:
  - defaults
show_channel_urls: true
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch-lts: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  deepmodeling: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/

conda常用命令

conda --version                                  # 查看conda版本
conda update conda                               # 更新至最新的conda

conda update --all                               # 更新当前环境所有包
conda update package_name                        # 指定包至最新

conda env list                                   # 查看已有的虚拟环境
conda create -n python_3.9 python=3.9            # 创建虚拟环境
conda create --name Py_3.9 --clone python_3.9    # 复制虚拟环境
conda activate python_3.9                        # 激活虚拟环境

conda remove -n python_3.9 --all                 # 删除虚拟环境

conda list                                       # 查看当前环境所有包情况
conda search numpy                               # 查看numpy有哪些版本

conda install numpy                              # 安装numpy包在当前环境
conda remove numpy                               # 删除当前环境中的numpy包

conda config --remove-key channels               # 回复默认源

conda虚拟环境

创建虚拟环境

使用Anaconda的一大原因是其可以管理多个版本的Python环境，通过Anaconda可以创建不同的虚拟环境并指定所需的Python版本，即可以在同一台计算机上同时管理和使用多个不同版本的Python。这对于在不同项目中使用不同版本的Python或测试代码在不同版本中的兼容性非常有用。

可以使用如下命令查看系统中的虚拟环境：

conda env list          # 查看虚拟环境列表
conda info              # 查看Anaconda相关配置信息，包括虚拟环境的存储位置等

Anaconda创建虚拟环境

打开终端或命令提示符窗口，在命令中指定要使用的Python版本来创建虚拟环境:

# 创建一个名为"myenv"的环境，并使用Python 3.7版本
conda create --name myenv python=3.7  

# 指定目录位置并创建一个名为 python3_7 的环境
conda create --prefix=C:\ProgramData\anaconda3\envs\python3_7 python=3.7

# 克隆环境
conda create --name sdw --clone pytorch

激活虚拟环境

创建虚拟环境后，你需要激活它才能在其中工作。运行以下命令来激活名为"myenv"的虚拟环境：

macOS/Linux

source activate myenv

Windows

conda activate myenv

在虚拟环境激活后，你可以使用conda命令来安装需要的包和软件。例如，要安装numpy包，运行以下命令：

conda install numpy

一旦你的虚拟环境激活并安装了所需的包和软件，你可以在该环境中运行你的Python程序或执行其他操作。确保始终在虚拟环境中执行你的代码，以隔离不同环境中的Python版本和包依赖。

退出虚拟环境

当你完成工作或需要切换到另一个虚拟环境时，可以通过以下命令退出当前环境：

macOS/Linux

source deactivate

Windows

conda deactivate

如果不再需要进行其他任务，直接关闭命令行即可。

删除虚拟环境

注意删除之前要先退出待删除的虚拟环境

conda deactivate
conda remove -n tf2 --all

UV项目管理工具

uv 是一个快速、现代化的 Python 包和环境管理工具，基于 pyproject.toml 实现依赖声明、自动虚拟环境、跨平台锁定和更快的安装体验。

uv 使用激进的缓存策略，避免在后续运行时重新下载（或重新构建）已经访问过的依赖项

官网文档：https://docs.astral.sh/uv
中文文档：https://hellowac.github.io/uv-zh-cn/
Github：https://github.com/astral-sh/uv

MacOS/Linux

使用 curl 下载脚本并通过 sh 执行：

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

添加到环境变量：

echo 'export PATH="$HOME/.local/bin:$PATH"' >> ~/.bashrc
source ~/.bashrc

Windows

使用 irm 下载脚本并通过 iex 执行：

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

安装完成后会提示将 C:\Users\{username}\.local\bin 添加到环境变量中

pip/pipx

为方便起见，uv 已发布至 PyPI, 从 PyPI 安装时，建议将 uv 安装到隔离环境中，例如使用 pipx：

pipx install uv

在完成 uv 安装后，可以通过运行 uv 命令检查 uv 是否可用：

uv --version

uv常用命令

1. Python的安装和管理

如果系统已经安装了 Python，uv 会在无需配置的情况下检测并使用它，常见的位置如：

UV_PYTHON_INSTALL_DIR 中的管理 Python
系统 PATH 中可用的 Python 解释器

查看可用和已安装的 Python 版本：

uv python list
uv python list --only-installed    # 仅查看已安装的 Python 版本

安装特定的 Python 版本：

uv python install 3.12
uv python install 3.11 3.12        # 安装多个 Python 版本

默认的安装位置位于 C:\Users\admin\AppData\Roaming\uv\python\ 目录中

2. 安装/调用工具
许多 Python 包提供可以作为工具使用的应用程序。uv 可轻松调用和安装工具，以 ruff 为例：

# 在不安装工具的情况下直接调用工具
uv tool run ruff           # 可简写为 uvx ruff

# 将 ruff 永久安装到隔离的虚拟环境中（类似 pipx install）
uv tool install ruff

uv tool upgrade ruff       # 升级工具

如果经常使用，用 install（方便后续直接调用），如果只是临时测试，用 run（避免安装冗余工具）

工具目录

默认情况下，uv 工具目录名为 tools，并位于 uv 应用状态目录中，例如 ~/.local/share/uv/tools。该位置可以通过 UV_TOOL_DIR 环境变量进行自定义。

💡 常用命令速查表

命令	功能
`uv init [name]`	初始化新项目
`uv add <pkg>`	添加依赖
`uv remove <pkg>`	移除依赖
`uv lock --upgrade-package <pkg>`	升级指定依赖
`uv sync`	同步虚拟环境（安装所有依赖）
`uv run <file>`	在隔离环境中运行脚本
`uv run -- <command>`	运行带依赖的命令，如 Flask/Django
`uv pip <args>`	使用 `pip` 子命令操作（如查看路径）

项目及依赖管理

✅ 快速创建新项目，参照：https://hellowac.github.io/uv-zh-cn/guides/projects/

uv init hello-world
cd hello-world

或者你可以在已有目录中初始化：

mkdir hello-world
cd hello-world
uv init

生成结构如下：

.
├── .python-version     # 指定使用的 Python 版本
├── README.md
├── hello.py            # 示例代码
└── pyproject.toml      # 项目配置和依赖声明

文件	说明
`.python-version`	指定 Python 版本（uv 会自动下载）
`.venv/`	自动创建的虚拟环境目录，存放已安装依赖
`pyproject.toml`	项目定义 + 依赖列表
`uv.lock`	锁定依赖版本，确保跨平台一致性（应提交到版本控制）

依赖管理

📥 添加依赖

uv add requests
uv add 'requests==2.31.0'
uv add git+https://github.com/psf/requests

自动更新：

pyproject.toml 的 dependencies 字段
uv.lock 锁文件
.venv 中安装依赖

🗑️ 移除依赖

uv remove requests

🔄 升级依赖

uv lock --upgrade-package requests

📂 uv run 运行脚本

uv run script.py

注意：首次运行时，uv 会自动创建虚拟环境（在项目根目录下创建 .venv 目录）并安装所有依赖

虚拟环境管理

uv 支持创建虚拟环境，例如：

uv venv          # 在当前目录下创建名为 .venv 的虚拟环境，等同于 uv venv .venv

uv venv python38 --python=3.8                 # 指定版本号
uv venv .venv --python=/usr/bin/python3.12    # 指定已安装的 Python 解释器路径

python38\Scripts\activate                     # 激活虚拟环境

uv一般推荐在依赖管理中使用虚拟环境

当运行会改变环境的命令（如 uv pip sync 或 uv pip install）时，uv 会按以下顺序搜索虚拟环境：

基于 VIRTUAL_ENV 环境变量的已激活虚拟环境。
基于 CONDA_PREFIX 环境变量的已激活 Conda 环境。
当前目录中的 .venv 虚拟环境，或者最近的父目录中的虚拟环境。
如果未找到虚拟环境，uv 会提示用户在当前目录中通过 uv venv 创建一个。
如果包含 --system 标志，uv 会跳过虚拟环境，直接搜索已安装的 Python 版本。

在运行不会改变环境的命令（如 uv pip compile）时，uv 不要求虚拟环境，但仍然需要 Python 解释器。

AI环境搭建

pytorch

使用pytorch一定要先去官网，官网会自动获取当前电脑的配置信息并给出相关包的安装命令，我们唯一需要注意的只有自己显卡驱动支持的最新CUDAversion即可，可以使用下面的命令查看：

nvidia-smi

若非要使用C++等其他方式进行开发任务，单纯的使用pytorch只需要安装pytorch（自带cuda和cudnn库）就行了
pytorch官网：https://pytorch.org/

或者直接访问：StartLocally, 也可以访问其历史版本

# 先利用conda创建并激活一个适用于pytorch的虚拟环境
conda create -n pytorch python=3.8
conda activate pytorch

# 执行官网页面给你生成的pytorch安装命令
conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia

安装完成后启动python,检查是否可以正常使用：

import torch
print(torch.cuda.is_available())

返回是True即可

tensorflow

30系显卡深度学习环境配置：https://blog.csdn.net/weixin_44791964/article/details/120657664

Tesseract OCR

Tesseract，一款由HP实验室开发由Google维护的开源OCR（Optical Character Recognition , 光学字符识别）引擎

官方网站：https://github.com/tesseract-ocr/tesseract
官方文档：https://github.com/tesseract-ocr/tessdoc
语言包地址：https://github.com/tesseract-ocr/tessdata
下载地址：https://digi.bib.uni-mannheim.de/tesseract/

安装

这里下载编译好的exe来安装：

安装过程可以附带选择要安装的语言包（开梯子的话），另外可以单独下载语言包，复制到tessdata文件夹里面即可。
设置环境变量，例：C:\Program Files\Tesseract-OCR
检查查看是否安装成功

# 查看版本
tesseract -v

# 查看已安装的可识别语言
tesseract --list-langs

Python使用示例

安装pytesseract库

pip install pytesseract -i https://pypi.tuna.tsinghua.edu.cn/simple

示例代码

import pytesseract
from PIL import Image
file = r"my.png"

# 配置 Tesseract OCR 引擎的路径（根据您的实际安装路径进行设置）
# pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe'

# 建议图像识别前，先对图像进行灰度化和 二值化，以提高文本识别率
# image = Image.open(file)
# Img = image.convert('L')   # 灰度化
# #自定义灰度界限，这里可以大于这个值为黑色，小于这个值为白色。
# threshold可根据实际情况进行调整(最大可为255)。
# threshold = 180
# table = []
# for i in range(256):
#     if i < threshold:
#         table.append(0)
#     else:
#         table.append(1)
# photo = Img.point(table, '1')  #图片二值化
# #保存处理好的图片
# photo.save(newfile)

image = Image.open(file)
# 解析图片，lang='chi_sim'表示识别简体中文，默认为English
# 如果是只识别数字，可再加上参数config='--psm 6 --oem 3 -c tessedit_char_whitelist=0123456789'
content = pytesseract.image_to_string(image, lang='chi_sim')
print(content)

注意事项

使用时要注意环境变量的问题，一般有下面两种方式：

将tesseract安装目录添加至电脑的环境变量。
在代码中指定tesseract的路径

pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe'