Python 开发环境的准备以及一些常用类库模块的安装
在学习和开发Python的时候，第一步的工作就是先准备好开发环境，包括相关常用的插件，以及一些辅助工具，这样我们在后续的开发工作中，才能做到事半功倍。下面介绍一些Python 开发环境的准备以及一些常用类库模块的安装和使用的经验总结，供大家参考了解。1、开发VScode的安装及相关准备
在 Python 开发环境的准备中，有几个步骤是关键的。以下是一个详细的指南，涵盖了开发环境的准备以及一些常用插件的安装：
1）安装 VS Code
VS Code: 这是一个轻量级但功能强大的代码编辑器，支持丰富的扩展。你可以从 Visual Studio Code 官方网站 下载。打开官网 https://code.visualstudio.com/，下载软件包。或者你也可以使用其他的如 PyCharm，可以从 JetBrains 官方网站 下载。
Python AI 编程助手：Fitten Code：
它是由非十大模型驱动的 AI 编程助手，它可以自动生成代码，提升开发效率，帮您调试 Bug，节省您的时间，另外还可以对话聊天，解决您编程碰到的问题。
Fitten Code是由非十大模型驱动的AI编程助手，它可以自动生成代码，提升开发效率，帮您调试Bug，节省您的时间。还可以对话聊天，解决您编程碰到的问题。免费且支持80多种语言：Python、C++、Javascript、Typescript、Java等。
强烈推荐使用，自动补齐代码功能，可以节省很多手工键入代码的时间，减少错误。
2）安装 VS Code Python 扩展
在VSCode中安装 Python 扩展，在扩展市场搜索 Python 并安装。
3）安装 Python
首先，确保你已经安装了 Python。你可以从 Python 官方网站 下载最新版本安装包并安装。
Window 平台安装 Python: https://www.python.org/downloads/windows/
Mac 平台安装 Python: https://www.python.org/downloads/mac-osx/
4）配置 Python 环境变量
打开系统环境变量，在 PATH 变量中添加 Python 目录，这样可以在命令行中直接使用 Python。
5）测试 Python 环境
在命令行中输入 python，如果出现 Python 解释器版本信息，则表示 Python 环境配置成功。
6）安装 pip
打开命令行，输入 pip install --upgrade pip，升级 pip 到最新版本。
7）安装 virtualenv
打开命令行，输入 pip install virtualenv，安装 virtualenv。
2、Python一些常用类库模块的安装
Python开发常用类库模块非常多，看你侧重于那个方面，基本上都时列出来一大串，我以常规后端Web API开发为侧重点进行一些重点的推介，供参考学习。
1) requests
requests 是一个简单易用的 Python 库，地址：https://github.com/psf/requests，用于发送 HTTP 请求。它的设计目标是使得与 Web 服务的交互更加方便和人性化。requests 是基于 urllib3 之上的一个封装层，提供了简洁的 API 来处理常见的 HTTP 请求操作，如 GET、POST、PUT、DELETE 等。
requests 的主要特性
[*]简洁的 API：相比原生的 urllib，requests 提供了更直观、更容易理解的接口。
[*]自动处理编码：requests 自动处理响应的内容编码，并自动解码 gzip 和 deflate 压缩。
[*]支持保持会话：通过 Session 对象，requests 可以在多个请求之间保持会话，处理 cookies。
[*]简化的错误处理：requests 会根据 HTTP 响应状态码抛出相应的异常，从而简化错误处理流程。
[*]丰富的功能：支持 HTTP 认证、代理、SSL 证书验证、文件上传、多部分编码表单、会话对象、cookie 持久化、连接池管理等功能。
如果需要考虑异步处理，可以使用 aiohttp ：aiohttp 是一个异步 HTTP 客户端和服务器框架，它使用 Python 的 asyncio 库来处理大量并发的请求。aiohttp 适合那些需要高性能网络通信的应用，如 Web 服务、WebSocket 和实时数据处理。
2) Uvicorn
Uvicorn 是一个基于 ASGI（Asynchronous Server Gateway Interface）的高性能、轻量级的 Python Web 服务器，专为运行异步 Web 框架（如 FastAPI、Starlette）而设计。它利用了 Python 的异步功能，能够处理大量并发连接，适合构建现代的异步 Web 应用程序。
Uvicorn 的主要特性
[*]高性能: 使用 uvloop 和 httptools 提供极高的性能，适合在高并发场景下使用。
[*]异步支持: 支持异步编程模型，能够与 Python 的 asyncio 和 trio 无缝集成。
[*]ASGI 兼容: 完全兼容 ASGI 标准，适用于现代异步 Web 框架，如 FastAPI 和 Starlette。
[*]WebSocket 支持: 通过 ASGI，Uvicorn 原生支持 WebSocket 协议。
[*]灵活的部署: 既可以作为独立的开发服务器使用，也可以与 Gunicorn 等 WSGI 服务器结合部署生产环境。
安装 Uvicornpip install uvicorn
运行 Uvicornuvicorn testuvicorn:app --reloadUvicorn 通常用于运行 FastAPI 或 Starlette 应用。以下是一个简单的 FastAPI 应用并使用 Uvicorn 运行：
from fastapi import FastAPI
app = FastAPI()
@app.get("/")
async def read_root():
return {"Hello": "World"}
if __name__ == "__main__":
import uvicorn
uvicorn.run(app, host="0.0.0.0", port=8000) Uvicorn 提供了丰富的配置选项，以满足不同需求。可以通过命令行参数或配置文件来配置 Uvicorn 的行为。 以下是一些常用的配置选项：--host：指定主机地址，默认为 127.0.0.1。--port：指定端口号，默认为 8000。--workers：指定工作进程数量，默认为 CPU 核心数的 1 倍。--log-level：指定日志级别，默认为 info。--reload：在代码修改时自动重新加载应用程序。3）FastAPI
FastAPI 是一个现代、快速（高性能）的 Web 框架，用于构建 API。它基于 Python 3.7+ 的类型提示，并且依赖于 Starlette（用于 web 服务器和路由）和 Pydantic（用于数据验证和序列化）。FastAPI 的设计目标是提供与 Flask 和 Django 类似的开发体验，但在性能、类型安全和开发者友好性方面做出更大的提升。GitHub地址：https://github.com/fastapi/fastapi
FastAPI 的主要特性
[*]极高的性能: 基于 ASGI 的异步支持，使得 FastAPI 在性能上接近 Node.js 和 Go 的水平，适合处理高并发。
[*]自动生成 API 文档: 使用 OpenAPI 和 JSON Schema 自动生成交互式的 API 文档（如 Swagger UI 和 ReDoc）。
[*]基于类型提示的自动验证: 利用 Python 的类型提示和 Pydantic，自动进行数据验证和解析。
[*]异步支持: 原生支持 async 和 await，能够处理异步任务，适合与数据库、第三方 API、WebSocket 等交互。
[*]内置依赖注入系统: 使得依赖的声明和管理变得简洁而强大，便于模块化设计。
[*]开发者友好: 提供了详细的错误信息和文档，支持自动补全，极大提升了开发效率。
以下是一个简单的 FastAPI 应用：
from fastapi import FastAPI
app = FastAPI()
@app.get("/")
async def read_root():
return {"message": "Hello, World"}
@app.get("/items/{item_id}")
async def read_item(item_id: int, q: str = None):
return {"item_id": item_id, "q": q}当你运行 FastAPI 应用时，它会自动生成交互式文档：
[*]Swagger UI: 访问 http://127.0.0.1:8000/docs
[*]ReDoc: 访问 http://127.0.0.1:8000/redoc
这两个文档界面可以让你查看 API 的结构，甚至可以直接在界面中进行 API 调用。如我在上篇随笔进行介绍的《Python中FastAPI项目使用 Annotated的参数设计》。
FastAPI 是一个非常现代化和高效的框架，非常适合用于构建高性能的 API。其自动文档生成、数据验证和依赖注入等特性，使得开发者能够更快、更安全地编写代码，并提供出色的用户体验。
FastAPI项目的参数设计，这些您可以在路径操作函数参数或使用Annotated的依赖函数中使用的特殊函数，用于从请求中获取数据。
我们引入配置文件，可以对FastAPI 中服务启动的参数进行统一的管理，如下main.py 代码所示。
if __name__ == "__main__":
import uvicorn
# log_level:'critical', 'error', 'warning', 'info', 'debug', 'trace'。默认值：'info'。
uvicorn.run(
app,
host=settings.SERVER_IP,
port=settings.SERVER_PORT,
log_config="app/uvicorn_config.json",# 日志配置
# log_level="info",# 日志级别
)3）pymysql 、pymssql、和 SQLAlchemy
涉及后端的处理，肯定绕不过数据库的处理操作，如对于MySQL、MS SqlServer等数据库的处理和封装。
PyMySQL 是一个纯 Python 实现的 MySQL 客户端库，用于连接 MySQL 数据库并执行 SQL 查询。它是 Python 的 MySQLdb 库的替代品，尤其适合那些在使用 Python 3 并且不希望依赖 C 语言扩展的项目。PyMySQL 支持 MySQL 数据库的所有主要功能，包括事务、存储过程、连接池等。
PyMySQL 的主要特性
[*]纯 Python 实现: 不依赖 C 扩展，易于安装和跨平台使用。
[*]兼容性好: 与 MySQLdb 的接口非常相似，便于从 MySQLdb 迁移到 PyMySQL。
[*]支持 MySQL 的所有主要功能: 包括事务处理、存储过程、BLOB 数据类型等。
[*]简单易用: 提供了直观的 API 进行数据库连接、查询、插入、更新和删除操作。
安装 PyMySQL
你可以通过 pip 来安装 PyMySQL:
pip install pymysql使用 PyMySQL 连接到 MySQL 数据库：
import pymysql
connection = pymysql.connect(
host='localhost',
user='your_username',
password='your_password',
database='your_database'
)
try:
with connection.cursor() as cursor:
# 执行 SQL 查询
cursor.execute("SELECT VERSION()")
# 获取查询结果
result = cursor.fetchone()
print(f"MySQL version: {result}")
finally:
connection.close()如下是我实际表的一些操作例子代码。
sql = "select * from t_customer where name = '{0}' LIMIT 1 ".format(name)
print(sql)
cursor.execute(sql)
myresult = cursor.fetchone()# fetchone() 获取一条记录
if myresult:
print("该名称已存在，请更换名称.")
else:
print("该名称可用.")
# 插入记录语句
sql = "INSERT INTO `t_customer` (`ID`, `Name`, `Age`, `Creator`, `CreateTime`) VALUES (%s, %s, %s, %s, %s);"
val = (id, name, age, creator, createtime)
cursor.execute(sql, val)
db.commit()# 数据表内容有更新，必须使用到该语句
print(cursor.rowcount, " 行记录插入.")
sql = "update t_customer Set age = %s where name =%s"
val = (26, name)
cursor.execute(sql, val)
db.commit()# 数据表内容有更新，必须使用到该语句
print(cursor.rowcount, " 条记录被修改")
sql = "select * from t_customer where name = '{0}' LIMIT 1 ".format(name)
cursor.execute(sql)
myresult = cursor.fetchone()# fetchone() 获取一条记录
if myresult:
print("修改后的记录: ", myresult)
sql = "SELECT * FROM t_customer"
cursor.execute(sql)
print("t_customer 结果集: ")
for x in cursor:
print(x)
sql = "delete from t_customer where name =%s"
try:
cursor.execute(sql, (name,))
db.commit()# 数据表内容有更新，必须使用到该语句
print(cursor.rowcount, " 行记录删除.")
except:
db.rollback()# 发生错误时回滚
print("删除记录失败!")
sql = "SELECT * FROM t_customer"
cursor.execute(sql)
myresult = cursor.fetchall()# fetchall() 获取所有记录
for x in myresult:
print(x)
# 关闭数据库连接
db.close()输出的显示如下所示。
pymssql 是一个用于连接 Microsoft SQL Server 数据库的 Python 库，它是基于 FreeTDS 实现的轻量级数据库接口，旨在简化 Python 与 SQL Server 之间的交互。pymssql 提供了对 T-SQL 语句的支持，并且可以执行存储过程和处理大批量数据插入等任务。
pymssql 的主要特性
[*]轻量级和易用性: 提供了简单的 API 接口，易于快速上手。
[*]与 SQL Server 兼容: 支持 Microsoft SQL Server 2005 及以上版本。
[*]跨平台支持: 支持在 Windows、Linux 和 macOS 系统上运行。
[*]集成事务管理: 通过 commit 和 rollback 方法进行事务管理。
[*]支持存储过程: 能够执行和处理存储过程，适用于复杂的数据库操作。
[*]批量插入支持: 通过 executemany 方法高效地插入大量数据。
安装 pymssql
你可以通过 pip 安装 pymssql:
pip install pymssql使用 pymssql 连接到 SQL Server 数据库，pymssql 支持事务，可以在执行多个操作时使用事务控制，以确保数据一致性：
import pymssql
# Connect to the database
conn = pymssql.connect(
server="localhost",
user="sa",
password="123456",
database="Winframework",
tds_version="7.0",
)
# Create a cursor object
cursor = conn.cursor()
# Execute a query
cursor.execute("SELECT * FROM T_Customer")
# Fetch all the rows
rows = cursor.fetchall()
# Print the rows
for row in rows:
print(row)
# Close the cursor and connection
cursor.close()
conn.close()
SQLAlchemy 是一个功能强大且灵活的 Python SQL 工具包和对象关系映射（ORM）库。它被广泛用于在 Python 项目中处理关系型数据库的场景，既提供了高级的 ORM 功能，又保留了对底层 SQL 语句的强大控制力。SQLAlchemy 允许开发者通过 Python 代码与数据库进行交互，而无需直接编写 SQL 语句，同时也支持直接使用原生 SQL 进行复杂查询。Engine 连接 驱动引擎Session 连接池，事务 由此开始查询Model 表 类定义Column 列 Query 若干行 可以链式添加多个条件SQLAlchemy 的主要特性
[*]对象关系映射（ORM）: 允许将 Python 类映射到数据库表，并且自动处理 SQL 的生成和执行。
[*]SQL 表达式语言: 提供了一个表达式语言层，允许构建和执行原生 SQL 查询，同时保留类型安全性和跨数据库兼容性。
[*]数据库抽象层: 提供了跨数据库的兼容性，使得在不同数据库之间切换变得相对容易。
[*]高性能: 通过细粒度的控制和缓存机制，优化了数据库访问的性能。
[*]事务管理: 支持复杂的事务处理和上下文管理，使得数据库操作更加安全和一致。
[*]支持多种数据库: 支持大多数主流的关系型数据库，如 SQLite、PostgreSQL、MySQL、Oracle、SQL Server 等。
安装 SQLAlchemy
你可以通过 pip 安装 SQLAlchemy：
pip install sqlalchemy如果你要连接到特定的数据库，还需要安装相应的数据库驱动程序。例如，要连接到 MySQL 数据库，你还需要安装 pymysql 或 mysqlclient：
使用 SQLAlchemy 操作数据库，可以统一多种数据库的操作处理，如SQLITE、SqlServer、MySQL、PostgreSQL等。
使用 SQLAlchemy 创建与数据库的连接：
# mysql 数据库引擎
engine = create_engine(
"mysql+pymysql://root:123456@127.0.0.1:3306/WinFramework",
pool_recycle=3600,
# echo=True,
)
# Sqlite 数据库引擎
# engine = create_engine("sqlite:///testdir//test.db")
# PostgreSQL 数据库引擎
# engine = create_engine(
# "postgresql+psycopg2://postgres:123456@localhost:5432/winframework",
# # echo=True,
# )
# engine = create_engine(
# "mssql+pymssql://sa:123456@localhost/WinFramework?tds_version=7.0",
# # echo=True,
# )由于对应的是ORM处理方式，因此和数据库表关联需要定义一个类对象，如下所示。
from sqlalchemy import create_engine, Column, Integer, String, DateTime, TIMESTAMP
from sqlalchemy.ext.declarative import declarative_base
from sqlalchemy.orm import sessionmaker
# 创建一个基类，用于定义数据库表的结构
Base = declarative_base()
# 定义一个 Customer数据库表的模型
class Customer(Base):
__tablename__ = "t_customer"
id = Column(String, primary_key=True, comment="主键")
name = Column(String, comment="姓名")
age = Column(Integer, comment="年龄")
creator = Column(String, comment="创建人")
createtime = Column(DateTime, comment="创建时间")CRUD的操作例子代码如下所示。
# 创建一个会话
Session = sessionmaker(bind=engine)
session = Session()
id = str(guid.uuid4())
# create a new customer
customer = Customer(
id=id,
name="Alice",
age=25,
creator="admin",
createtime=datetime.strptime("2021-01-01 12:00:00", "%Y-%m-%d %H:%M:%S"),
)
# add the customer to the session
session.add(customer)
# commit the changes to the database
session.commit()
# query the customer from the session
for item in session.scalars(select(Customer)):
print(item.id, item.name, item.age, item.creator, item.createtime)
print("\r\nquery all customers")
customers = session.query(Customer).all()
for customer in customers:
print(customer.name, customer.age)
print("\r\nquery all customers by condition:age > 20")
customers = session.query(Customer).filter(Customer.age > 20).limit(30).offset(1).all()
for customer in customers:
print(customer.name, customer.age)
print("\r\nquery customer by id")
customer = session.query(Customer).filter(Customer.id == id).first()
if customer:
print(customer.name, customer.age)
print("\r\n 复杂查询")
customers = (
session.query(Customer)
.filter(
or_(
and_(Customer.age > 20, Customer.age < 30),
Customer.name.in_(["Alice", "伍华聪"]),
)
)
.all()
)
for customer in customers:
print(customer.name, customer.age)
print("\r\nselect customer by id")
stmt = select(Customer).where(Customer.id == id)
result = session.execute(stmt)
print(result)
stmt = select(Customer).where(Customer.name == "伍华聪")
result = session.execute(stmt).scalar()
if result:
print("Customer exists in the database")
print(result.id, result.name, result.age)
else:
print("Customer does not exist in the database")
print("\r\nselect customer In")
# query the customer from the session
stmt = select(Customer).where(Customer.name.in_(["Alice", "伍华聪"]))
for item in session.scalars(stmt):
print(item.id, item.name, item.age, item.creator, item.createtime)
print('\r\ndelete all customers by name = "Alice"')
# delete the customer from the database
delete_stmt = delete(Customer).where(Customer.name == "Alice")
result = session.execute(delete_stmt)
print(str(result.rowcount) + " rows deleted")
session.commit()
# close the session
session.close()
由于篇幅限制，我们暂时介绍一些，其实就算是做后端WebAPI的处理，我们也需要了解很多不同的类库，Python类库非常丰富，而且同步、异步又有不同的类库差异，因此我们可以根据实际需要选用不同的类库来实现我们的框架目的。
如对于FastAPI的数据验证，我们一般引入 pydantic，可以对数据进行各种丰富的校验处理，类似于强类型和各种规则的校验。
class Person(BaseModel):
name: str
age: int
@field_validator("age")
def age_must_be_positive(cls, v):
if v < 0:
raise ValueError("Age must be a positive number")
return v如对于配置信息的处理，我们还可以引入 python-dotenv 和 pydantic_settings 来统一管理配置参数。
from pydantic_settings import BaseSettings, SettingsConfigDict
class Settings(BaseSettings):
model_config = SettingsConfigDict(
env_file=".env",# 加载env文件
extra="ignore",# 加载env文件，如果没有在Settings中定义属性，也不抛出异常
env_file_encoding="utf-8",
env_prefix="",
case_sensitive=False,
)
# Env Server
SERVER_IP: str = "127.0.0.1"
SERVER_PORT: int = 9000
# Env Database
DB_NAME: str = "winframework"
DB_USER: str = "root"
DB_PASSWORD: str = "123456"
DB_HOST: str = "localhost"
DB_PORT: int = 3306
DB_URI: str = (
f"mysql+pymysql://{DB_USER}:{DB_PASSWORD}@{DB_HOST}:{DB_PORT}/{DB_NAME}"
)<br> .............settings = Settings()还有对于一些常规的文件格式，如json格式，txt格式的文件处理，以及PDF文件、Excel文件、图片操作、声音处理、二维码处理等，都有不同的类库提供辅助处理，我们可以从中择优选择即可。
Python的世界丰富多彩，让我们一起探索并应用在实践当中。
来源:https://www.cnblogs.com/wuhuacong/p/18355162
免责声明：由于采集信息均来自互联网，如果侵犯了您的权益，请联系我们【E-Mail:cb@itdo.tech】 我们会及时删除侵权内容，谢谢合作！
页:
[1]