网站后台编辑器不能正常显示百度关键词排名查询工具

目录

1.Python解释器和Pycharm

2.Pycharm里配置Python解释器

3.Python解释器和软件包

4.Pycharm新建项目配置python解释器

4.1.新建项目

4.2.终端管理 Python 虚拟环境的命令

4.3.使用已有的虚拟环境

5.使用conda创建虚拟环境

---

1.Python解释器和Pycharm

• ​​Python 解释器​​

  • 核心功能：将 Python 代码转换为机器可执行的指令（字节码），使代码能够运行。
  • 不同版本：代表语言特性的迭代更新（如 Python 3.8、3.9 等）。
  • 运行代码的前提：必须安装 Python 解释器。

• ​​PyCharm​​

  • 身份：集成开发环境（IDE），提供代码编辑、调试、项目管理等功能。
  • 依赖关系：PyCharm ​​本身不能执行代码​​，需依赖外部的 Python 解释器。
  • 其他选择：编写 Python 代码也可用 VS Code、记事本等工具，甚至直接通过命令行运行。

• ​​环境变量的作用​​

  • 将 Python 解释器的安装路径添加到系统的 PATH 中，使系统能在任意位置通过命令 python 找到并调用解释器。

2.Pycharm里配置Python解释器

1. 每个 PyCharm 项目有独立的 Python 解释器​​

• 在 PyCharm 中，​​每个项目（Project）默认使用独立的 Python 解释器​​，不会自动继承其他项目的解释器配置。
• 创建新项目时，PyCharm 会：
  • ​​优先选择系统默认的 Python 解释器​​（通常是 PATH 环境变量中的第一个 Python）。
  • 如果未检测到 Python 解释器，会提示你​​手动选择或下载指定版本​​。

​​2. 为什么不同项目通常使用不同的解释器？​​

• ​​避免依赖冲突​​：不同项目可能依赖不同版本的包（如 pytest 6.0 vs pytest 7.0），共享同一个解释器可能导致版本冲突。
• ​​环境隔离​​：例如：
  • 项目 A 使用 Python 3.8 + Django 3.2
  • 项目 B 使用 Python 3.10 + Django 4.0
    如果共享解释器，可能导致包版本不兼容，影响项目运行。

​​3. 如何管理不同项目的解释器？​​

• ​​虚拟环境（推荐）​​：
  • PyCharm 默认会为每个项目创建独立的虚拟环境（如 venv 或 conda），隔离依赖。
  • 虚拟环境的解释器路径通常位于项目目录下（如 项目名/venv/Scripts/python.exe）。
• ​​手动指定解释器​​：
  • 在 File > Settings > Project: XXX > Python Interpreter 中，可选择已有解释器或新建虚拟环境。

3.Python解释器和软件包

我们编写python代码时，经常会根据功能需要安装各种软件包，比如NumPy、Pandas，安装的命令通常是 pip install [包名],比如：pip install numpy。（pip 是 Python 的包管理工具，用于安装和管理第三方库。）又有个问题了，我们要在哪里执行这个命令呢？主要是在命令终端，最好在pycharm软件底下的命令终端执行这个命令，或者直接搜索包名下载。如下：

为什么最好在pycharm里安装软件包呢？因为，前面解释过项目是独立的， Python 的包（如 pytest、numpy 等）是安装到特定解释器的 site-packages 目录中的，而不是全局共享的。如果在电脑的命令终端（cmd）安装这些包，存储的就是系统变量里的python解释器的site-packages 目录里，可能跟你现在项目里用的python解释器不是同一个，导致你项目里还是没有这个包。所以说，安装的包是跟随你的python解释器的，切换了解释器你就得重新安装需要的包了。那比如说我想继续在新项目里使用装过的包，但是需要的python解释器又是别的版本的，有什么办法继续使用那些包而不用重新装呢？

4.Pycharm新建项目配置python解释器

4.1.新建项目

1.位置：项目位置

2.每一个项目都需要一个环境

3.位置（环境）：就是管理项目环境（包、解释器...）

4.基础解释器：运行python程序，不同项目不同版本

5.继承全局站点包：虚拟环境会继承全局 Python 环境中已安装的包。通常不建议勾选，以避免依赖冲突。

​​特性​​	​​Virtualenv​​	​​Conda​​	​​系统解释器​（poetry）​
​​用途​​	创建独立的 Python 虚拟环境	管理 Python 环境 + 非 Python 依赖（如 C/C++ 库）	全局 Python 环境，所有项目共享
​​依赖隔离​​	✅ 每个环境独立	✅ 每个环境独立	❌ 所有项目共享
​​包管理工具​​	pip	conda（支持 Python + 非 Python 包）	pip
​​适用场景​​	纯 Python 项目，轻量级隔离	数据科学、机器学习（依赖复杂库）	简单脚本、临时测试
​​是否需要额外安装​​	pip install virtualenv	需安装 Anaconda/Miniconda	系统自带（或手动安装 Python）
​​预装常用库​​	❌ 需手动安装	✅ Anaconda 自带（NumPy、Pandas 等）	❌ 需手动安装
​​环境管理方式​​	virtualenv venv + source venv/bin/activate	conda create -n myenv + conda activate myenv	直接使用系统 Python
​​推荐使用​​	一般 Python 开发	数据科学、AI 开发	不推荐（仅临时使用）

4.2.终端管理 Python 虚拟环境的命令

​​操作​​	​​命令​​
​​安装 Virtualenv​​	pip install virtualenv
​​创建虚拟环境​​	virtualenv {名称}（默认 Python 版本）<br> virtualenv -p python3.9 venv（指定 Python 3.9）
​​激活虚拟环境​​	​​Windows:​​ {虚拟环境目录}\Scripts\activate macOS/Linux:​​ source venv/bin/activate
​​退出虚拟环境​​	deactivate
​​查看已安装包​​	pip list
​​安装包​​	pip install package_name
​​导出依赖​​	pip freeze > requirements.txt
​​从依赖文件安装​​	pip install -r requirements.txt
​​删除虚拟环境​​	直接删除 venv 文件夹

点击下方终端，默认已经激活了虚拟环境（也就是说可以在终端操作程序运行、包安装等等） 

# 创建并激活虚拟环境
virtualenv 虚拟环境
#source venv/bin/activate  # macOS/Linux
虚拟环境\Scripts\activate    # Windows# 安装包
pip install numpy pandas# 导出依赖
pip freeze > requirements.txt# 退出环境
deactivate

4.3.使用已有的虚拟环境

如果当前项目需要使用之前项目的虚拟环境，也可以直接配置解释器：

然后选择之前项目的虚拟环境就可以了 

这样当前空项目就可以使用之前安装的包，不用重新安装

5.使用conda创建虚拟环境

需要安装conda版本，

使用conda创建的虚拟环境的目录，不在项目底下而是在anaconda安装目录下的envs目录下。

​​操作​​	​​命令​​
​​创建虚拟环境​​	conda create -n myenv python=3.9
​​激活环境​​	conda activate myenv
​​退出环境​​	conda deactivate
​​查看所有环境​​	conda env list
​​安装包​​	conda install numpy 或 pip install numpy
​​导出环境配置​​	conda env export > environment.yml
​​从 YAML 文件创建环境​​	conda env create -f environment.yml
​​删除环境​​	conda env remove -n myenv

# 创建并激活环境
conda create -n myenv python=3.9
conda activate myenv# 安装包（conda 或 pip）
conda install numpy pandas
pip install matplotlib# 导出环境配置
conda env export > environment.yml# 退出环境
conda deactivate# 删除环境
conda env remove -n myenv