Python基础开发指南

1. 源码编译安装 Python

1.1. 安装依赖

yum -y zlib* gcc libffi-devel

1.2. 下载安装包

wget https://www.python.org/ftp/python/3.9.13/Python-3.9.13.tgz

1.3. 编译安装

mkdir /usr/local/python3
mv Python-3.9.13.tgz /usr/local/python3
cd /usr/local/python3
tar -zxvf Python-3.9.13.tgz
cd Python-3.9.13
./configure --with-ssl
make
make install

1.4. 建立软连接

ln -s /usr/python/bin/python3 /usr/bin/python3
ln -s /usr/python/bin/pip3 /usr/bin/pip3

2. Venv 虚拟环境使用

apt install python3.11-venv # 安装 venv 模块
cd project_path
python -m venv .
source bin/activate
python app.py
pip install pandas # 安装项目依赖

部署调用运行命令示例：

$project_path/bin/python $project_path/main/app.py

3. Pip 包管理工具

3.1. 安装

apt install python3-pip # Ubuntu 环境安装

3.2. 配置国内源

永久全局配置

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

临时指定源配置

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

3.3. 常用命令

pip install google-analytics-admin # 安装
pip install --upgrade google-analytics-admin # 升级
pip list # 查看已安装列表

3.4. Conda 环境中 Pip install 的安装路径错位问题

问题描述：在切换到指定 Conda 虚拟环境后，执行 pip --version 却发现 Pip 实际指向的路径并未关联到当前虚拟环境。
解决方法：

conda activate env # 切换到目标环境
python -m site --help # 查看 site.py 配置文件路径
vim $path/site.py # 编辑 site.py 配置文件，并修改配置内容

4. Conda 环境管理

4.1. 查看 Conda 信息

conda info

4.2. Windows 环境变量配置参考

D:\miniconda
D:\miniconda\Library\bin
D:\miniconda\Scripts

4.3. 初始化 Conda 终端

conda init

4.4. 指定虚拟环境安装路径

vim ~/.condarc
# 添加以下配置内容以指定虚拟环境存放路径
envs_dirs:
  - D:\miniconda\envs

4.5. 配置 Conda 国内源

conda config --set show_channel_urls yes # 生成默认 .condarc 文件
vim ~/.condarc

在配置文件中添加清华镜像源：

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

重置并清除缓存索引：

conda clean -i

4.6. 基本包管理

conda list
conda install package_name

5. Poetry 依赖管理

Poetry 是一款现代的 Python 依赖管理与打包发布程序。相比 Conda 可以减少非必须包的打包，相比 Pip 拥有更强的依赖树解析功能，有效避免版本冲突导致的环境崩溃问题。

支持针对生产（Production）、开发（Development）等多环境进行分组隔离管理。
更好地支持自定义私有镜像源。

5.1. 安装方式

macOS / Linux / WSL

curl -sSL https://install.python-poetry.org | python3 -
curl -sSL https://install.python-poetry.org | POETRY_HOME=/opt/software/poetry python3 - # 指定安装目录

Windows (PowerShell)

(Invoke-WebRequest -Uri https://install.python-poetry.org -UseBasicParsing).Content | py -

5.2. 常用命令

poetry completions bash >> ~/.bash_completion # 自动补全
poetry init # 交互式初始化已有项目
poetry new project_name # 创建一个全新的项目脚手架
poetry config --list # 查看当前全局配置
poetry config cache-dir "D:\poetry_env" # 修改缓存与虚拟环境路径
poetry env use $python_path # 指定当前项目关联的 Python 解析器
poetry env list # 查看当前项目所有的虚拟环境
poetry env info # 查看当前激活的虚拟环境信息
poetry env remove env_name # 删除指定虚拟环境
poetry add requests # 添加依赖并自动安装
poetry add requests --group dev # 添加到开发环境依赖组
poetry install # 自动解析并安装 pyproject.toml 声明的全部依赖
poetry install --no-dev # 仅安装生产环境依赖，部署时常用
poetry update # 更新全部依赖包版本
poetry show -t # 以树状结构查看当前已安装的依赖树

5.3. 配置国内源

命令行方式

poetry source add aliyun https://mirrors.aliyun.com/pypi/simple/

修改 pyproject.toml 方式

[[tool.poetry.source]]
name = "aliyun"
url = "https://mirrors.aliyun.com/pypi/simple/"

6. Pipx 独立应用管理

Pipx 是一个用于在完全隔离的环境中安装和运行 Python 终端用户应用（例如 CLI 工具）的工具。

6.1. 安装

pip install pipx

6.2. 环境变量与命令

配置环境变量

# pipx 路径配置
export PIPX_GLOBAL_HOME="/opt/software/pipx"
export PIPX_GLOBAL_BIN_DIR="/opt/software/pipx/bin"
export PIPX_GLOBAL_MAN_DIR="/opt/software/pipx/man"
export PATH=$PATH:/opt/software/pipx/bin

常用命令

pipx install poetry # 在当前用户下隔离安装
pipx install poetry --global # 全局安装
pipx list # 查看安装的工具列表

7. 常见装饰器

@staticmethod (静态方法)
定义一个与类和实例都无关的独立方法。

class Dog():
    name = ""
    def call(self, arg=None):
        self.arg = arg

    @staticmethod
    def eat():
        print(Dog.name)
        dog = Dog() # 必须先手动实例化才能调用类内部的实例方法
        print(dog.call())

@classmethod (类方法)
定义一个接收类对象作为第一个参数（通常是 cls）的方法。

class Dog():
    name = ""
    def call(self, arg=None):
        self.arg = arg

    @classmethod
    def eat(cls): # 传递类对象
        print(cls.name)
        dog = cls() # 基于当前类模板动态实例化
        print(dog.call())

@property (属性化方法)
将类内部的一个方法转化为只读属性。

class Dog():
    @property
    def call(self):
        pass

dog = Dog()
dog.call # 直接作为属性调用，无需加括号

@dataclass (数据类)
用于简化编写主要用于存放数据的类，自动生成 __init__、__repr__ 等魔法方法。

from dataclasses import dataclass

@dataclass
class Food:
    name: str
    unit_price: float
    stock: int = 0

    def stock_value(self) -> float:
        return self.stock * self.unit_price

8. 常见实用模块

python-pptx：用于创建和修改 PowerPoint (.pptx) 演示文稿的 Python 库。
six：用于兼容 Python 2 和 Python 3 代码库的工具包。
mimetypes：解析文件 MIME 类型的标准库。
python-magic：基于系统的 libmagic 开发，用于通过文件签名检测实际类型的 Python 接口。
pyftpdlib：基于异步 IO 编写的极速 FTP 服务器库。
uploadserver：支持 Web 浏览器上传、下载文件并提供简单鉴权验证的简易服务器。
email：构造和处理电子邮件的标准库。

在 email 库中设置 From 发件人字段时，必须与实际登录授权的发送邮箱地址保持完全一致，否则邮件可能会被主流收件箱拦截。
http.server (静态资源服务)
在本地目录下快速拉起一个静态文件下载服务器。

python -m http.server 8080

speedtest-cli (网络测速)

9. 软件发布与保护移交

9.1. 软件分发格式

tar.gz：纯源码包。
wheel：预编译分发格式，包含元数据、py 源码或已编译的 pyc 字节码。

9.2. 模块级混淆移交

使用 CPython 编译为底层系统的 .so / .pyd 机器码库文件。

9.3. 单一可执行程序分发

Pyinstaller：打包为单文件，内部打包加密后的 .pyc 文件。
Nuitka：将 Python 转换为 C++ 再编译为纯机器码，执行效率与安全性更高。

9.4. 源码保护授权

Pyarmor：提供完善的混淆、加密以及运行授权证书（License）控制。

10. 参考资料

Python 官方网站
Python MRO 查找机制详解
Python 源码包下载地址
Poetry 官方文档
Pipx 官方配置手册
国内常用镜像源：
- 镜像源一：https://pypi.tuna.tsinghua.edu.cn/simple (清华源)
- 镜像源二：http://mirrors.aliyun.com/pypi/simple/ (阿里云)
- 镜像源三：https://pypi.mirrors.ustc.edu.cn/simple/ (中科大)
- 镜像源四：http://pypi.douban.com/simple/ (豆瓣)
- 镜像源五：https://pypi.org/simple (官方源)