企业官网建设流程全解析

兴义做网站的公司,大连嘉良建设有限公司网站,中国菲律宾历史战绩,出售淘宝店铺的平台[!NOTE] 笔记说明 根据之前在《[[关于Python的学习]]》一文中的规划#xff0c;这篇笔记中将会具体记录配置 Python 编程环境所需执行的操作步骤#xff0c;这些操作将着重于解决以下问题#xff1a; 如何根据具体需求来配置运行时环境#xff1b;如何基于具体的项目来搭建…[!NOTE] 笔记说明根据之前在《[[关于Python的学习]]》一文中的规划这篇笔记中将会具体记录配置 Python 编程环境所需执行的操作步骤这些操作将着重于解决以下问题如何根据具体需求来配置运行时环境如何基于具体的项目来搭建编程环境安装 Python 解释器正所谓“工欲善其事必先利其器”。虽然 Python 被广泛认为是一门跨平台编程语言但这种跨平台能力并非语言本身直接提供而是依赖于各个平台上对应的 Python 运行时实现runtime implementation来完成的。换言之Python 代码能够在不同操作系统平台上运行前提是目标平台上安装有相应的 Python 解释器及其运行环境。就当前主流的应用场景来说我们所使用的 Python 运行时实现大致可分为以下两种体系官方实现体系该体系由 Python 官方社区主导开发和维护其核心是 CPython 解释器同时包含标准库以及围绕其构建的包管理与环境管理工具例如pip、venv以及近年来逐渐流行的uv等。这一体系强调对语言规范PEP的忠实实现是 Python 语言事实上的参考实现也是绝大多数第三方扩展默认支持的运行环境。Conda 实现体系该体系由 Anaconda 公司主导维护在提供 Python 解释器和标准库的同时引入了以conda命令行工具为核心的包管理与环境管理机制。conda命令不仅可以管理 Python 的第三方扩展包或框架还能够统一管理 C/C、Fortran 等编译型依赖因此在科学计算和数据分析领域具有较强的工程优势。此外Conda 官方维护了一套经过严格测试的第三方扩展仓库使其在可复现性和环境一致性方面表现尤为突出。因此在正式开始学习 Python 这门编程语言之前我们首先需要根据自身的使用场景学习、工程开发、科研计算等选择合适的运行时实现体系并正确配置 Python 解释器及其运行环境。这一步骤虽然看似琐碎却直接决定了后续学习与开发过程的顺畅程度。下面让我们先从 Python 解释器的安装开始介绍。官方 Python 解释器如果读者是 Python 这门编程语言本身的初学者那么使用严格按照该语言官方规范PEP来实现的 CPython 解释器无疑是最稳妥的选择。下面就让我们根据 Python 官方社区提供的指导文档来了解如何在不同操作系统平台上安装这一解释器。如果读者选择使用apt、pacman、Homebrew这一类软件包管理器来安装 Python 解释器及其运行环境那么通常是不需要根据自己所在设备的 CPU 架构与操作系统平台来选择要安装的软件包的。但这种方式通常都是以 Shell 命令的方式来使用的这就意味着读者必须要了解各种操作系统使用的包管理器以及这项包管理器在安装该运行时环境时所需要执行的 shell 命令。下面是各种常见的包管理器安装官方 Python 解释器及其运行环境的命令。/* by yours.tools - online tools website : yours.tools/zh/md5.html */ # 在 Ubuntu、Deepin 等以 Debian 项目为基础的 Linux 发行版中 # 我们使用的是 apt 包管理器这里需要安装的是 Python 3.x # 以及用于将 python3 命令设置为默认 python 命令的 python-is-python3 sudo apt install python3 python-is-python3 # 在以 Arch Linux 项目为基础的 Linux 发行版中 # 我们使用的是 pacman 包管理器它安装 Python 3.x 的命令如下 sudo pacman -S python3 # 在 macOS 操作系统中我们可以使用 Homebrew 包管理器来安装 Python 3.x brew install python3 # 在 Windows 7 以上的 Microsoft Windows 操作系统中 # 我们可使用 Scoop 这款包管理器来安装 Python 3.x scoop install python如果读者选择在 macOS 或 Windows 这样的图形化操作系统中以 GUI 的方式来安装官方 Python 解释器及其运行环境那么就需先找到并下载与自己所在设备的 CPU 架构与操作系统相匹配的二进制安装包在 Windows 中通常是一个扩展名为.exe的文件在 macOS 中则是扩展名为.img的文件然后启动它的图形化向导来完成相关的安装操作。例如在 Windows 系统中Python 3.x 运行时环境的安装步骤主要如下。访问 Python 官方网站的下载页面并根据自身所在设备的 CPU 架构及其所运行的 Windows 版本来下载相应的二进制安装包其官方下载页面如图 1 所示。图 1Python 官方下载页面待上述二进制安装包被成功下载到本地计算机上之后以系统管理员的身份打开该安装包以便启动其图形化安装向导如图 2 所示。图 2Python 图形化安装向导上述界面中我们需要先勾选“Add Python.exe to PATH”选项然后再单击“Customize installation”选项。这个选项用于将 Python 加入到系统的 PATH 环境变量中这样会让我们日后直接在系统的终端环境中使用 Python 运行时环境否则我们在后面的操作中可能就需要在该环境变量中手动添加路径。在图形化向导的第二个页面中我们需要选择要安装的 Python 组件其中的选项“Documentation”表示安装 Python 的帮助文档选项“pip”表示安装 Python 的第三方包管理工具选项“tcl/tk and IDLE”表示安装 Python 的集成开发环境选项“Python test suite”表示安装 Python 的标准测试套件后两个选项则表示允许版本更新。在这里我们会建议读者勾选该页面上列出的所有选项然后单击“Next”按钮继续下一步的安装设置如图 3 所示。图 3选择要安装的组件在图形化向导的第三个页面中我们需要设置 Python 的安装路径。通常情况下读者只需要保持该页面上所有的默认选项即可当然也可以选择单击“Browse”按钮设置好自己想要安装路径如图 4 所示。图 4设置安装路径在设置好安装路径之后我们就可以单击“Install”按钮正式开始执行 Python 运行时环境的安装操作读者只需等待安装向导中的进度条显示完成即可如图 5 所示。图 5安装进度条待上述安装过程完成之后我们就会看到如图 6 所示界面安装过程已经顺利完成读者可以通过单击“Close”按钮来退出这个图形化安装向导。图 6安装结束界面最后如果我们想验证 Python 运行时环境是否已经安装成功就只需要在自己所在的操作系统中打开 Shell 终端环境例如 Windows 系统下的 Powershell 或 Unix-like 系统下的 Bash、Zsh 等命令行终端程序并在其中执行python命令如果计算机上同时安装了多个版本的 Python 解释器可能需要在命令中指定版本号如果看到如图 7 所示的脚本交互界面其中会显示当前 Python 解释器及其运行环境的相关信息这证明它已经成功安装到了我们的计算机上。图 7Python 的脚本交互界面Anaconda Python 解释器如果读者使用 Python 的场景主要集中在科学计算、数据科学等领域且不想花费大量的时间在配置运行环境之类的问题上那么安装基于 Conda 体系的 Python 运行时实现无疑是一个更为合适的选择。下面就让我们根据 Anaconda 官方网站提供的指导文档来了解如何在不同操作系统平台上安装基于这一体系的 Python 运行时实现。如果读者选择在 macOS 或 Windows 这样的图形化操作系统中以 GUI 的方式来安装 Anaconda Python 解释器及其运行环境那么就需先找到并下载与自己所在设备的 CPU 架构与操作系统相匹配的二进制安装包在 Windows 中通常是一个扩展名为.exe的文件在 macOS 中则是扩展名为.pkg的文件然后启动它的图形化向导来完成相关的安装操作。例如在 Windows 10/11 系统中其安装步骤主要如下。在使用网页浏览器中打开 Anaconda 官方网站的下载页面如图 8 所示之后读者会在该页面中看到“Anaconda Distribution”与“Miniconda Distribution”两个选项它们之间的区别在于前者除了 Python 解释器及其运行环境之外还包含了 Anaconda 官方维护的绝大多数第三方扩展而后者则只包含 Python 解释器及其运行环境。考虑到我们选择 Conda 体系的目的是节省配置运行时环境的时间在这里应该下载的是“Anaconda Distribution”。图 8Anaconda 的官方下载页面待上述二进制安装包被成功下载到本地计算机上之后用该安装包启动其图形化安装向导其界面如图 9 所示。图 9Anaconda 的图形化安装向导根据图形化向导一路单击“Next”或“I Agree”按钮直到出现如图 10 所示界面这里需要读者选择 Anaconda 的安装路径通常情况下读者只需要保持该页面上所有的默认选项即可当然也可以选择单击“Browse”按钮设置好自己想要安装路径。图 10设置安装路径在设置好安装路径之后继续单击“Next”按钮就会看到如图 11 所示界面上面有四个可勾选的配置项分别是“Create Shartouls创建快捷方式”、“Add Anaconda3 to my PATH environment variable将 Anaconda3 添加到系统的 PATH 环境变量中”、Register Anaconda3 as the system Python 3.x将 Anaconda3 注册为默认的 Python 3.x 版本”以及Clear the packages cache upon completion安装完成后清除缓存读者可根据需要勾选这些选项然后单击“Install”按钮正式开始执行 Anaconda Python 运行时环境的安装操作读者只需等待安装向导中的进度条显示完成即可。图 11安装进度条待上述安装过程完成之后我们就会看安装结束界面接下来只需单击“Next”按钮就可退出这个图形化安装向导如图 12 所示。图 12安装结束界面如果读者选择在 Linux 这样的 Unix-like 操作系统中安装 Anaconda Python 解释器及其运行环境那么就需先找到并下载与自己所在设备的 CPU 架构与操作系统相匹配的安装脚本文件通常是一个扩展名为.sh的文件然后启动它的图形化向导来完成相关的安装操作。例如在 CentOS 7 操作系统中其安装步骤主要如下。在 Bash、Zsh 这样的 Shell 应用中执行刚刚下载到的安装脚本执行命令如下/* by yours.tools - online tools website : yours.tools/zh/md5.html */ # 此处的 version 用于指代 Anaconda 的版本号 bash Anaconda3-version-Linux-x86_64.sh在执行上述命令之后就会看到一个字符界面的安装向导读者可按以下提示执行安装操作阅读许可协议可按空格键翻页并通过输入 yes 接受协议。选择安装路径默认路径为~/anaconda3推荐直接按回车键确认保留默认设置避免权限问题。如需自定义路径应输入绝对路径如/opt/anaconda3但需管理员权限。是否初始化 conda安装向导会询问 Do you wish the installer to initialize Anaconda3 by running conda init?建议输入 yes。此步骤会自动将 conda 添加到 Shell 配置文件如.bashrc或.zshrc避免手动配置环境变量。待安装完成后关闭当前终端并重新打开或执行以下命令可使上述配置生效source ~/.bashrc # 若使用 zsh替换为 source ~/.zshrc最后如果我们想验证 Python 运行时环境是否已经安装成功就只需要在自己所在的操作系统中打开 Shell 终端环境例如 Windows 系统下的 Powershell 或 Unix-like 系统下的 Bash、Zsh 等命令行终端程序并在其中执行conda --version查看版本信息或执行python命令打开脚本交互界面查看其中显示的 Python 运行环境信息如果信息如图 13 所示这证明它已经成功安装到了我们的计算机上。图 13 Anaconda 的脚本交互界面在成功安装了 Python 解释器之后我们接下来就可以根据自己要运行的项目/应用来配置 Python 的运行时环境了。然而由于近些年 Python 在数据科学、人工智能等领域的爆炸式发展如今市场上同时存在着多个版本的 Python 解释器每个版本的解释器还存在着多种不同的实现这让运行时环境的配置工作变得比十年前要复杂得多。从虚拟环境开始创建项目为了应对近年来由人工智能应用迅猛发展所带来的各种变化Python 社区在运行时环境的配置方面逐渐确立起了一个极其重要的项目配置原则“任何非一次性的小脚本开发都应当从创建虚拟环境开始。该原则是工程师们从长期工作实践中总结出来的经验因为他们发现绝大多数新手在使用 Python 过程中所遇到的大部分头痛问题都并非因为语言本身而是来自对其运行时环境及其依赖管理机制的误解。具体来说就是在现有条件下如果我们直接在当前系统或用户权限下使用 Python 解释器来开发具体的项目大概率就会遇到依赖管理方面的问题。这是因为 Python 的第三方扩展默认是“全局可见”的当我们在执行诸如pip install numpy这样的命令时它所安装的扩展包会被放入当前 Python 解释器所对应的site-packages目录中。这意味着当前 Python 解释器所运行的所有 Python 项目都会“看到”这个包如果升级、降级或删除某个包就会影响到当前 Python 解释器运行的所有项目。在语言的初学阶段这样做也许一时半会并不会带来明显的问题但一旦进入到工程化的环境中我们就会陆续遇到以下情形风险也就随之暴露了出来昨天还能跑的项目今天什么都没改却报错了。因新项目升级了相关的依赖导致旧项目无法运行不同的项目依赖同一扩展包的不同版本导致冲突教程代码在你本地无法复现但在作者环境中可以正常运行这些问题都是因为项目中的依赖关系缺乏隔离。那么为什么虚拟环境可以解决这个问题呢事实上虚拟环境Virtual Environment并不是某种“高级技巧”它本质上就是在为每一个 Python 项目提供一套彼此独立、互不干扰的运行时环境。即在一个虚拟环境中Python 解释器是“看似独立”的第三方扩展只对当前环境可见依赖版本可以被精确锁定项目可以被完整复现。换言之虚拟环境解决的并不是“如何安装更多库”的问题而是如何让一个项目在时间、空间和他人机器上保持可控性。从工程角度看这一点甚至比语法熟练程度更加重要。在当前的 Python 生态中虚拟环境的实现方式并不唯一但它们的目标高度一致。下面让我们来具体介绍几种基于虚拟环境来创建 Python 开发项目的常见解决方案。Python 官方解决方案Python 官方在 3.3 及其之后的版本中引入了内置的虚拟环境管理工具它允许我们先通过venv模块来创建虚拟环境然后在该虚拟环境中使用 pip 管理项目依赖。该工具链在 Windows、macOS 以及各种 Linux 发行版上均可使用用该工具创建项目的步骤如下。在 Bash、Zsh 这类的命令行终端中进入到目标项目所在的目录中例如examples/say_hello目录然后执行python -m venv 虚拟环境目录命令创建一个新的虚拟环境并使用source 虚拟环境目录/bin/activate命令激活该虚拟环境具体如图 14 所示。图 14Python 官方虚拟环境创建与激活请注意虚拟环境目录除了是虚拟环境存放运行时环境文件的目录之外它的最底层目录名也是该虚拟环境的唯一标识符读者可根据自己的需要自行设置。另外如果读者使用的命令行终端是 Windows 系统下的 PowerShell 或 CMD那么激活虚拟环境的命令就应改为.\虚拟环境目录\Scripts\Activate.ps1或.\\虚拟环境目录\Scripts\activate.bat。在成功创建并激活了虚拟环境之后Shell 会优先使用虚拟环境中的 pip 可执行文件因此此时执行的 pip 命令将仅作用于当前虚拟环境而不会影响系统中的其他 Python 项目。接下来我们就可以在虚拟环境中独立安装 Python 的第三方扩展了。例如如果读者现在到examples/say_hello目录下执行pip install numpy命令就可以在该项目的虚拟环境目录下的lib/python-version/site-packages子目录中看到新安装的 numpy 包了如图 15 所示。图 15Python 官方虚拟环境中的第三方扩展请注意python-version是 Python 解释器的版本号例如python3.11、python3.14等。关于具体如何使用 pip 来管理 Python 项目中的第三方扩展我将会将在《[[具体项目实践]]》这篇笔记中做详细讲解在这里就先暂且按下不表了。Anaconda 解决方案在基于 Conda 体系的 Python 运行时实现中基于虚拟环境来创建项目并管理项目依赖的解决方案则要简单得多基本上只靠conda命令就可以完成。而该工具同样在 Windows、macOS 以及各种 Linux 发行版上均可使用用该工具创建项目的步骤如下。在命令行终端中进入到目标项目所在的目录中例如examples/say_hello目录然后执行conda create -n 虚拟环境名称 pythonpython-version命令创建一个新的虚拟环境具体如图 16 所示。图 16Anaconda 虚拟环境创建与激活请注意虚拟环境名称是虚拟环境的唯一标识符另外pythonpython-version是可选参数其中的python-version用于指定当前项目要使用的 Python 版本号例如python3.11、python3.14等。在成功创建虚拟环境之后我们接下来就可以使用conda env list命令来查看当前计算机中所有基于 Conda 体系的虚拟环境及其所在的目录如图 17 所示。图 17Anaconda 虚拟环境列表请注意与 Python 官方解决方案不同的是基于 Conda 体系的虚拟环境并不被保存在当前项目所在的目录中而是被保存在 Anaconda 安装目录下的envs子目录中。当然这也意味着同一个 Conda 虚拟环境通常会被多个项目复用因此在具体的项目实践中需要格外注意环境命名与用途划分。我们接下来要做的就是使用conda activate 虚拟环境名称命令来激活刚刚创建的虚拟环境然后就可以使用conda install 扩展包名称命令来安装 Python 的第三方扩展了。例如通过执行conda install numpy命令来安装 numpy 扩展如图 18 所示。图 18在 Anaconda 虚拟环境中安装第三方扩展如果上述命令执行顺利我们就可以通过执行conda list 扩展包名称命令来确认刚刚安装的扩展包是否已经成功安装到了虚拟环境中如图 19 所示。图 19在 Anaconda 虚拟环境中查看第三方扩展同样的关于具体如何使用 Conda 来管理 Python 项目的第三方扩展及其依赖关系我将会在《[[具体项目实践]]》这篇笔记中做详细讲解在这里就先暂且按下不表了。第三方解决方案考虑到基于 Conda 体系的解决方案毕竟来自第三方实现会导致 Python 的解释器在版本上会有些落后于官方而 Python 官方提供的 pip 又缺乏管理复杂依赖关系的能力例如它在移除项目的某一直接依赖时无法自动移除其间接依赖。近些年来Python 社区为了解决此类问题又陆续发展出了基于uv、poetry等第三方工具来创建 Python 项目并管理项目依赖的解决方案。由于这些解决方案既可作用于官方的 Python 解释器也可作用于 Conda 体系中的 Python 解释器因此它们在项目实践中也变得越来越流行。下面我就以uv这款工具为例来介绍一下如何使用这类工具创建 Python 项目。如果读者现在还没有安装uv可先通过在命令行终端中执行pip install uv命令来安装这款工具然后再使用uv --version命令来查看其版本信息如果信息如图 20 所示这证明它已经成功安装到了我们的计算机上。图 20uv 的安装与确认在成功安装了uv工具之后我们就可以使用该工具来创建 Python 项目了。例如如果读者现在到examples/say_hello目录下执行uv init命令就会看到该目录被初始化成了一个标准的 Python 项目我们可以使用ls命令来查看一下这个项目的目录结构如图 21 所示。图 21使用 uv 初始化的 Python 项目正如读者所见uv这款工具会为该项目创建以下一系列文件pyproject.toml该文件用于保存 Python 项目的基本配置README.md该文件用于保存 Python 项目的说明性信息main.py该文件用于保存 Python 项目的入口代码。.python-version该文件用于保存 Python 项目的 Python 解释器版本号。在成功完成 Python 项目的初始化工作之后我们接下来就可以使用uv add 扩展包名称命令来安装 Python 的第三方扩展了。例如通过执行uv add numpy命令来安装 numpy 扩展如图 22 所示。图 22使用 uv 安装项目的第三方扩展正如读者所见uv这款工具会在第一次为项目安装扩展时自动为其创建虚拟环境并将其依赖关系写入到pyproject.toml文件中以便日后自动处理项目中的依赖关系。如果上述命令执行顺利我们就可以通过执行uv pip list命令来确认刚刚安装的扩展包是否已经成功安装到了虚拟环境中如图 23 所示。图 23使用 uv 查看项目的第三方扩展当然了uv除了可以管理项目中的第三方扩展及其依赖关系之外甚至还可以为项目指定要使用的 Python 解释器版本号关于这些高级功能的详细使用方法我将会在《[[具体项目实践]]》这篇笔记中做详细讲解读者在这里暂时只需要知道uv这款工具的基本使用方法即可。选择合适的编程工具链从理论的角度上来说要想编写一个基于 Python 语言及其运行时环境的应用程序通常只需要使用任意一款纯文本编辑器就可以了。但在具体的项目实践中为了在工作过程中获得代码的语法高亮与智能补全等功能以提高编码体验并能方便地使用各种强大的程序调试工具和版本控制工具我们通常还是会选择使用一款专用的代码编辑器或集成开发环境来完成项目开发。在这里我个人会倾向于推荐读者使用 Visual Studio Code 编辑器以下简称 VS Code来构建所有的项目。读者可以参考下面这篇笔记来学习这款编辑器的安装方法以及如何将其打造成一款用于编写 Python 应用程序的集成开发环境。关联笔记[[VS Code 配置笔记]]博客园链接除此之外Atom 与 Sublime Text 这两款编辑器也与 VS Code 编辑器有着类似的插件生态系统和使用方式如果读者喜欢的话也可以使用它们来打造属于自己的项目开发工具方法是大同小异的。而除了上述专用的代码编辑器之外如果读者更习惯使用传统的集成开发环境IDEJetBrains 公司旗下的 PyCharm 无疑会是一个不错的选择它在 Windows、macOS 以及各种 Linux 发行版上均可做到所有的功能都是开箱即用无需进行多余的配置这对初学者是相对比较友好的。当然了令人比较遗憾的是PyCharm 的专业版本并非是一款免费的软件而免费的社区版在功能上则多多少少会受到一些限制。如果考虑到程序员们在实际生产环境中各种可能的需要及其带来的相关开销等因素我个人还是会倾向于建议大家尽可能地选择开源软件这个系列的笔记接下来也将会以 VS Code 编辑器为主要编程工具来展开后续的各种实例演示。学习成果验收Hello World现在为了验证我们已经成功配置好了使用 Python 语言的编程工具接下来就需要尝试着使用这些工具来编写一个 Python 版本的 Hello World 程序看看它能否在我们所在的计算机设备上成功运行起来。编写该程序的具体步骤如下。使用 VS Code 编辑器打开之前创建的examples/say_hello目录并在其集成终端中使用uv init命令将其初始化为一个 Python 项目。在编辑器中打开项目的入口文件main.py然后将其中的代码修改如下#! /usr/bin/env python Simple example to say hello Author: lingjie Created on: 2024-06-15 author_name owlman def say_hello(name: str) - None: Say hello by name. Args: name: name to greet print(Hello World! My name is, name) if __name__ __main__: say_hello(author_name)在这里读者暂时不必理会这段代码中使用的具体语法只需要知道它会在程序运行时输出一条包含用户 ID即author_name变量的值的问候语即可。稍后我们将会在《[[基础语法学习]]》这篇笔记中详细讲解 Python 语言的语法规则。在保存上述文件之后回到编辑器的集成终端环境中并执行python main.py命令如果终端中输出了如图 24 所示的信息就说明我们已经成功配置好了使用 Python 语言的编程工具。图 24学习成果验收小结在本篇笔记中我首先介绍了如何安装 Python 解释器并使用它来创建 Python 项目然后又介绍了如何使用 Conda 来管理 Python 项目的第三方扩展及其依赖关系最后又介绍了如何选择合适的编程工具链。在完成上述配置之后我们就可以使用这些工具来编写 Python 程序了。