现已发布！阅读关于 11 月新增功能和修复的内容。

VS Code Python 入门

在本教程中，您将学习如何使用 Visual Studio Code 中的 Python 3 来创建、运行和调试 Python 的“掷骰子！”应用程序，使用虚拟环境，使用包，等等！通过使用 Python 扩展，您可以将 VS Code 转变为一个出色的轻量级 Python 编辑器。

如果您是编程新手，请查看 Visual Studio Code for Education - Introduction to Python 课程。本课程通过现成的、可在浏览器中进行编码的开发环境中的结构化模块，全面介绍了 Python。

要更深入地理解 Python 语言，您可以结合 VS Code 来探索 python.org 上列出的任何 编程教程。

如需面向数据科学的 Python 教程，请查看我们的 数据科学部分。

先决条件

要成功完成本教程，您需要先设置好 Python 开发环境。本教程具体要求

安装 Python 解释器

除了 Python 扩展，您还需要安装一个 Python 解释器。您使用哪个解释器取决于您的具体需求，但下面提供了一些指导。

Windows

从 python.org 安装 Python。使用页面上首先出现的“Download Python”按钮下载最新版本。

注意：如果您没有管理员权限，在 Windows 上安装 Python 的另一个选择是使用 Microsoft Store。Microsoft Store 提供受支持的 Python 版本的安装。

有关在 Windows 上使用 Python 的更多信息，请参阅 Python.org 上的在 Windows 上使用 Python。

macOS

macOS 上的 Python 系统安装不受支持。建议使用包管理器，如 Homebrew。要在 macOS 上使用 Homebrew 安装 Python，请在终端提示符下输入 brew install python3。

注意：在 macOS 上，请确保您的 VS Code 安装位置已包含在 PATH 环境变量中。有关更多信息，请参阅这些设置说明。

Linux

Linux 上内置的 Python 3 安装效果很好，但要安装其他 Python 包，您必须使用 get-pip.py 安装 pip。

其他选项

  • 数据科学：如果您使用 Python 的主要目的是数据科学，那么您可以考虑从 Anaconda 下载。Anaconda 不仅提供 Python 解释器，还提供许多对数据科学有用的库和工具。

  • 适用于 Linux 的 Windows 子系统：如果您正在使用 Windows，并且想要一个用于处理 Python 的 Linux 环境，那么 适用于 Linux 的 Windows 子系统 (WSL) 是一个不错的选择。如果您选择此选项，您还需要安装 WSL 扩展。有关在 VS Code 中使用 WSL 的更多信息，请参阅 VS Code 远程开发，或尝试 在 WSL 中工作的教程，该教程将引导您完成 WSL 设置、Python 安装以及在 WSL 中创建“Hello World”应用程序。

注意：要验证您是否已成功在计算机上安装 Python，请运行以下命令之一（取决于您的操作系统）

Linux/macOS：打开终端窗口并输入以下命令

python3 --version

Windows：打开命令提示符并运行以下命令

py -3 --version

如果安装成功，输出窗口应显示您安装的 Python 版本。或者，您可以在 VS Code 集成终端中使用 py -0 命令查看计算机上安装的 Python 版本。默认解释器会用星号（*）标识。

在工作区文件夹中启动 VS Code

通过在文件夹中启动 VS Code，该文件夹将成为您的“工作区”。

使用命令提示符或终端，创建一个名为“hello”的空文件夹，导航到该文件夹，然后通过输入以下命令在（.）该文件夹中打开 VS Code（code）

mkdir hello
cd hello
code .

注意：如果您使用的是 Anaconda 发行版，请务必使用 Anaconda 命令提示符。

或者，您可以通过操作系统 UI 创建一个文件夹，然后使用 VS Code 的“文件 > **打开文件夹”来打开项目文件夹。

创建虚拟环境

Python 开发人员的最佳实践是使用特定于项目的虚拟环境。一旦激活该环境，您随后安装的任何包都将与包括全局解释器环境在内的其他环境隔离开来，从而减少由冲突包版本引起的大量复杂问题。您可以使用 Venv 或 Anaconda 通过“Python: Create Environment”在 VS Code 中创建非全局环境。

打开命令面板（⇧⌘P (Windows, Linux Ctrl+Shift+P)），开始键入“Python: Create Environment”命令进行搜索，然后选择该命令。

该命令会显示环境类型列表，包括 Venv 或 Conda。在本示例中，请选择“Venv”。

Create Environment dropdown

然后，该命令会显示可用于您项目的解释器列表。选择您在本教程开头安装的解释器。

Virtual environment interpreter selection

选择解释器后，将显示一个通知，显示环境创建的进度，并且环境文件夹（/.venv）将出现在您的工作区中。

Create environment status notification

使用“命令面板”中的“Python: Select Interpreter”命令，确保已选择新环境。

Select an Interpreter

注意：有关虚拟环境的更多信息，或者如果您在环境创建过程中遇到错误，请参阅 环境。

创建 Python 源文件

在文件资源管理器工具栏中，选择 hello 文件夹上的“新建文件”按钮

File Explorer New File

将文件命名为 hello.py，VS Code 将自动在编辑器中打开它

File Explorer hello.py

通过使用 .py 文件扩展名，您就告诉 VS Code 将此文件解释为 Python 程序，以便它使用 Python 扩展和选定的解释器来评估其内容。

注意：文件资源管理器工具栏还允许您在工作区中创建文件夹以更好地组织代码。您可以使用“新建文件夹”按钮快速创建文件夹。

现在您在工作区中拥有了一个代码文件，请在 hello.py 中输入以下源代码

msg = "Roll a dice!"
print(msg)

当您开始键入 print 时，请注意 IntelliSense 如何显示自动完成选项。

IntelliSense appearing for Python code

IntelliSense 和自动完成功能适用于标准 Python 模块以及您已安装到所选 Python 解释器环境中的其他包。它还提供对象类型可用方法的补全。例如，因为 msg 变量包含一个字符串，所以在键入 msg. 时，IntelliSense 会提供字符串方法。

IntelliSense appearing for a variable whose type provides methods

最后，保存文件（⌘S (Windows, Linux Ctrl+S)）。此时，您就可以在 VS Code 中运行您的第一个 Python 文件了。

有关编辑、格式化和重构的完整详细信息，请参阅 代码编辑。Python 扩展还完全支持 代码检查。

运行 Python 代码

点击编辑器右上角的“运行 Python 文件”播放按钮。

Using the Run Python File button

该按钮会打开一个终端面板，您的 Python 解释器会在其中自动激活，然后运行 python3 hello.py（macOS/Linux）或 python hello.py（Windows）

Program output in a Python terminal

您还可以通过以下三种方式在 VS Code 中运行 Python 代码

  1. 在编辑器窗口中的任意位置右键单击，然后选择“运行 Python > 在终端中运行 Python 文件”（这将自动保存文件）

    Run Python File in Terminal command in the Python editor

  2. 选择一个或多个行，然后按 Shift+Enter，或右键单击并选择“运行 Python > 在 Python 终端中运行选定内容/行”。或者，您可以使用 Shift+Enter 激活智能发送（Smart Send），而无需进行选择，Python 扩展会将光标所在位置附近最小的可运行代码块发送到终端。此命令对于仅测试文件的一部分非常方便。

    注意：如果您希望将代码发送到光标所在的确切行，可以通过在“用户”设置中将 python.REPL.enableREPLSmartSend : "false" 设置为“false”来禁用智能发送。

  3. 从命令面板（⇧⌘P (Windows, Linux Ctrl+Shift+P)）中，选择“Python: Start Terminal REPL”命令以打开当前选定的 Python 解释器的 REPL 终端（显示为 >>>）。在 REPL 中，您可以一次输入并运行一行代码。

恭喜，您已在 Visual Studio Code 中成功运行了您的第一个 Python 代码！

配置并运行调试器

现在让我们尝试调试 Python 程序。调试支持由 Python Debugger 扩展 提供，该扩展随 Python 扩展一起自动安装。要确保它已正确安装，请打开“扩展”视图（⇧⌘X (Windows, Linux Ctrl+Shift+X)）并搜索 @installed python debugger。您应该会在结果中看到 Python Debugger 扩展。

Python Debugger extension shown in installed extensions view in VS Code.

接下来，通过将光标放在 print 调用处并按 F9，在 hello.py 的第 2 行设置一个断点。或者，单击编辑器左侧的边距，紧挨着行号。设置断点时，边距会出现一个红色的圆圈。

Setting a breakpoint in hello.py

接下来，要初始化调试器，请按 F5。由于这是您第一次调试此文件，将从命令面板打开一个配置菜单，允许您选择要为打开的文件配置的调试类型。

List of Python debugger configuration options

注意：VS Code 对其各种配置使用 JSON 文件；launch.json 是包含调试配置的文件的标准名称。

选择“Python File”，这是使用当前选定的 Python 解释器运行编辑器中显示的当前文件的配置。

调试器将启动，然后停在文件断点的第一行。当前行在左边距中用黄色箭头指示。此时，如果您检查“Local”变量窗口，您会看到 msg 变量出现在“Local”窗格中。

Debugging step 2 - variable defined

屏幕顶部会出现一个调试工具栏，从左到右依次包含以下命令：继续（F5）、跳过（F10）、进入（F11）、跳出（⇧F11 (Windows, Linux Shift+F11)）、重新启动（⇧⌘F5 (Windows, Linux Ctrl+Shift+F5)）和停止（⇧F5 (Windows, Linux Shift+F5)）。

Debugging toolbar

状态栏也会变色（在许多主题中为橙色），表示您正处于调试模式。Python Debug Console 也会自动出现在右下方窗格中，显示正在运行的命令以及程序的输出。

要继续运行程序，请选择调试工具栏上的“继续”命令（F5）。调试器会运行程序直到结束。

提示 也可以通过将鼠标悬停在代码（如变量）上来查看调试信息。对于 msg，将鼠标悬停在变量上会在变量上方的框中显示字符串 Roll a dice!。

您也可以在“Debug Console”中使用变量（如果看不到，请在 VS Code 右下方选择“Debug Console”，或从“...”菜单中选择它。）然后尝试在控制台底部的“>”提示符处逐行输入以下内容

msg
msg.capitalize()
msg.split()

Debugging step 3 - using the debug console

再次选择工具栏上的蓝色“Continue”按钮（或按 F5）运行程序至完成。如果您切换回“Python Debug Console”，则会看到“Roll a dice!”显示在其中，并且程序完成后 VS Code 将退出调试模式。

如果重新启动调试器，调试器将再次停在第一个断点处。

要停止运行尚未完成的程序，请使用调试工具栏上的红色方块停止按钮（⇧F5 (Windows, Linux Shift+F5)），或使用“Run > Stop debugging”菜单命令。

有关完整详细信息，请参阅 调试配置，其中包含有关如何使用特定 Python 解释器进行调试的说明。

提示：使用 Logpoints 而不是 print 语句：开发人员经常在源代码中添加 print 语句，以便在不逐行调试代码的情况下快速检查变量。在 VS Code 中，您可以使用Logpoints。Logpoint 类似于断点，但它会将消息记录到控制台而不停止程序。有关更多信息，请参阅 VS Code 主调试文章中的 Logpoints。

安装和使用包

让我们通过使用包来扩展前面的示例。

在 Python 中，包是您从 PyPI 获取各种有用代码库的方式，这些库为您的程序提供附加功能。在此示例中，您将使用 numpy 包来生成一个随机数。

返回“Explorer”视图（左侧最顶部的显示文件的图标），打开 hello.py，然后粘贴以下源代码

import numpy as np

msg = "Roll a dice!"
print(msg)

print(np.random.randint(1,9))

提示：如果您手动输入上面的代码，您可能会发现在行尾按 Enter 时，自动完成功能会更改 as 关键字后的名称。要避免此问题，请键入一个空格，然后按 Enter。

接下来，使用上一节中描述的“Python: Current file”配置在调试器中运行该文件。

您应该会看到消息“ModuleNotFoundError: No module named 'numpy'”。此消息表明您的解释器中没有所需的包。如果您使用的是 Anaconda 发行版或之前已安装 numpy 包，则可能不会看到此消息。

要安装 numpy 包，请停止调试器，并使用命令面板运行“Terminal: Create New Terminal”（⌃⇧` (Windows, Linux Ctrl+Shift+`)）。此命令将为您选定的解释器打开一个命令提示符。

要将所需的包安装到您的虚拟环境中，请根据您的操作系统输入以下相应命令

  1. 安装包

    # Don't use with Anaconda distributions because they include matplotlib already.

# macOS
python3 -m pip install numpy

# Windows (may require elevation)
python -m pip install numpy

# Linux (Debian)
apt-get install python3-tk
python3 -m pip install numpy

  2. 现在，重新运行程序（无论是否使用调试器），以查看输出！

跨环境管理依赖项

在处理 Python 项目时，有效管理依赖项至关重要。一个有用的技巧是使用 pip freeze > requirements.txt 命令。此命令可帮助您创建一个 requirements.txt 文件，其中列出了在虚拟环境中安装的所有包。然后，您可以使用此文件在其他地方重新创建相同的环境。

按照以下步骤创建 requirements.txt 文件

  1. 激活您的虚拟环境（如果您尚未激活）。

    source venv/bin/activate  # On macOS/Linux

    .\venv\Scripts\activate   # On Windows

  2. 生成 requirements.txt 文件。

    pip freeze > requirements.txt

您现在可以使用新生成的 requirements.txt 文件在另一个环境中安装依赖项。此外，随着项目复杂性的增加，您可以继续向其中添加依赖项。

pip install -r requirements.txt

通过遵循这些步骤，您可以确保您的项目依赖项在不同环境之间保持一致，从而更轻松地与他人协作和部署您的项目。

恭喜您完成 Python 教程！在本教程中，您学会了如何创建 Python 项目、创建虚拟环境、运行和调试 Python 代码以及安装 Python 包。探索其他资源，了解如何充分利用 Visual Studio Code 中的 Python！

后续步骤

要了解如何使用流行的 Python Web 框架构建 Web 应用程序，请参阅以下教程

Visual Studio Code 中的 Python 还有更多内容有待探索

12/10/2025
English 한국어 中文(简体)
© . This site is unofficial and not affiliated with Microsoft.