在 VS Code 中开始使用 Python
在本教程中,你将学习如何在 Visual Studio Code 中使用 Python 3 创建、运行和调试一个 Python “掷骰子!”应用程序,以及如何使用虚拟环境、包等等!通过使用 Python 扩展,你可以将 VS Code 变成一个出色的轻量级 Python 编辑器。
如果你是编程新手,请查阅 Visual Studio Code 教育版 - Python 入门 课程。本课程提供了对 Python 的全面介绍,在基于浏览器的即时编码开发环境中提供了结构化模块。
为了更深入地理解 Python 语言,你可以在 VS Code 环境中探索 python.org 上列出的任何编程教程。
有关侧重于数据科学的 Python 教程,请查阅我们的数据科学部分。
先决条件
要成功完成本教程,你需要首先设置 Python 开发环境。具体来说,本教程需要:
- Python 3
- VS Code
- VS Code Python 扩展(有关安装扩展的更多详细信息,请参阅扩展市场)
安装 Python 解释器
除了 Python 扩展,你还需要安装一个 Python 解释器。你使用哪个解释器取决于你的具体需求,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下载 Python按钮来下载最新版本。
注意:如果你没有管理员权限,在 Windows 上安装 Python 的另一个选项是使用 Microsoft Store。Microsoft Store 提供了受支持的 Python 版本的安装。
有关在 Windows 上使用 Python 的更多信息,请参阅 Python.org 上关于在 Windows 上使用 Python 的说明
macOS
macOS 上的系统安装 Python 不受支持。建议改用像 Homebrew 这样的包管理系统。要在 macOS 上使用 Homebrew 安装 Python,请在终端提示符下使用 brew install python3
。
注意:在 macOS 上,请确保你的 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 安装运行良好,但要安装其他 Python 包,你必须使用 get-pip.py 安装 pip
。
其他选项
-
数据科学:如果你使用 Python 的主要目的是数据科学,那么你可能考虑从 Anaconda 下载。Anaconda 不仅提供 Python 解释器,还提供许多有用的数据科学库和工具。
-
适用于 Linux 的 Windows 子系统:如果你在 Windows 上工作并希望获得用于 Python 的 Linux 环境,适用于 Linux 的 Windows 子系统 (WSL) 是一个不错的选择。如果选择此选项,你还需要安装 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,或者尝试在 WSL 中工作教程,该教程将引导你完成 WSL 的设置、Python 的安装以及在 WSL 中运行 Hello World 应用程序。
注意:要验证你是否已在计算机上成功安装 Python,请运行以下命令之一(取决于你的操作系统):
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,输出窗口应显示你安装的 Python 版本。另外,你可以在 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。默认解释器由星号 (*) 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,该文件夹将成为你的“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,导航到该文件夹中,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:如果你使用的是 Anaconda 发行版,请务必使用 Anaconda 命令提示符。
或者,你可以通过操作系统 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 开发者之间的一种最佳实践是使用项目特定的虚拟环境
。一旦你激活该环境,你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,从而减少因包版本冲突而引起的许多复杂问题。你可以在 VS Code 中使用 Venv 或 Anaconda 通过Python: 创建环境来创建非全局环境。
打开命令面板 (⇧⌘P (Windows, Linux Ctrl+Shift+P)),开始键入 Python: 创建环境 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:Venv 或 Conda。在本示例中,选择 Venv。
然后,该命令会显示可用于你项目的解释器列表。选择你在本教程开头安装的解释器。
选择解释器后,通知会显示环境创建进度,并且环境文件夹 (/.venv
) 将出现在你的工作区中。
通过使用命令面板中的 Python: 选择解释器命令,确保你的新环境已选中。
注意:有关虚拟环境的更多信息,或者如果你在环境创建过程中遇到错误,请参阅环境。
创建 Python 源代码文件
在文件资源管理器工具栏上,选择 hello
文件夹上的新建文件按钮。
将文件命名为 hello.py
,VS Code 将自动在编辑器中打开它。
通过使用 .py
文件扩展名,你告诉 VS Code 将此文件解释为 Python 程序,以便它使用 Python 扩展和所选解释器评估其内容。
注意:文件资源管理器工具栏还允许你在工作区内创建文件夹,以便更好地组织代码。你可以使用新建文件夹按钮快速创建一个文件夹。
现在你的工作区中有一个代码文件,在 hello.py
中输入以下源代码:
msg = "Roll a dice!"
print(msg)
当你开始键入 print
时,请注意 IntelliSense 如何显示自动完成选项。
IntelliSense 和自动完成适用于标准 Python 模块以及你安装到所选 Python 解释器环境中的其他包。它还为对象类型上可用的方法提供完成。例如,因为 msg
变量包含一个字符串,所以当你键入 msg.
时,IntelliSense 会提供字符串方法。
最后,保存文件 (⌘S (Windows, Linux Ctrl+S))。此时,你已准备好在 VS Code 中运行你的第一个 Python 文件。
有关编辑、格式化和重构的完整详细信息,请参阅编辑代码。Python 扩展还完全支持代码检查。
运行 Python 代码
单击编辑器右上角的运行 Python 文件播放按钮。
该按钮会打开一个终端面板,其中你的 Python 解释器会自动激活,然后运行 python3 hello.py
(macOS/Linux) 或 python hello.py
(Windows)。
你可以在 VS Code 中运行 Python 代码的三种其他方式:
-
右键单击编辑器窗口中的任意位置,然后选择运行 Python > 在终端中运行 Python 文件(这将自动保存文件)。
-
选择一行或多行,然后按 Shift+Enter,或者右键单击并选择运行 Python > 在 Python 终端中运行选定内容/行。或者,你可以在不进行选择的情况下使用 Shift+Enter 激活智能发送,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。此命令便于测试文件的一部分。
注意:如果你更喜欢在光标所在的特定行发送代码,可以通过在用户设置中将
python.REPL.enableREPLSmartSend
设置为"false"
来关闭智能发送。 -
从命令面板 (⇧⌘P (Windows, Linux Ctrl+Shift+P)) 中,选择 Python: 启动终端 REPL 命令,为当前选定的 Python 解释器打开一个 REPL 终端(由
>>>
表示)。在 REPL 中,你可以一次输入并运行一行代码。
恭喜,你刚刚在 Visual Studio Code 中运行了你的第一个 Python 代码!
配置并运行调试器
现在我们尝试调试 Python 程序。调试支持由 Python Debugger 扩展提供,该扩展随 Python 扩展自动安装。为确保它已正确安装,请打开扩展视图 (⇧⌘X (Windows, Linux Ctrl+Shift+X)) 并搜索 @installed python debugger
。你应该在结果中看到 Python Debugger 扩展。
接下来,通过将光标放在 print
调用上并按下 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槽,紧邻行号。设置断点时,边槽中会出现一个红圈。
接下来,要初始化调试器,请按 F5。由于这是你第一次调试此文件,命令面板将打开一个配置菜单,允许你选择打开文件的调试配置类型。
注意:VS Code 使用 JSON 文件进行所有各种配置;
launch.json
是包含调试配置的文件的标准名称。
选择 Python 文件,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,然后在文件断点所在的行停止。当前行在左侧边距中用一个黄色箭头表示。如果你此时检查本地变量窗口,你可以看到 msg
变量出现在本地窗格中。
顶部会出现一个调试工具栏,从左到右依次是以下命令:继续 (F5)、跳过 (F10)、步入 (F11)、步出 (⇧F11 (Windows, Linux Shift+F11))、重新启动 (⇧⌘F5 (Windows, Linux Ctrl+Shift+F5)) 和停止 (⇧F5 (Windows, Linux Shift+F5))。
状态栏也会改变颜色(在许多主题中为橙色),以指示你处于调试模式。Python 调试控制台也会自动出现在右下方面板中,以显示正在运行的命令以及程序输出。
要继续运行程序,请选择调试工具栏上的继续命令 (F5)。调试器会将程序运行到结束。
提示:调试信息也可以通过将鼠标悬停在代码(例如变量)上来查看。对于
msg
,将鼠标悬停在该变量上会在变量上方的一个框中显示字符串Roll a dice!
。
你还可以在调试控制台中处理变量(如果看不到它,请在 VS Code 右下角区域中选择调试控制台,或从...菜单中选择它)。然后尝试在控制台底部的 > 提示符下逐行输入以下内容:
msg
msg.capitalize()
msg.split()
再次选择工具栏上的蓝色继续按钮(或按 F5)以运行程序直到完成。“Roll a dice!”会显示在 Python 调试控制台中(如果你切换回它),并且程序完成后 VS Code 会退出调试模式。
如果重新启动调试器,调试器将再次在第一个断点处停止。
要在程序完成之前停止运行,请使用调试工具栏上的红色方块停止按钮 (⇧F5 (Windows, Linux Shift+F5)),或使用运行 > 停止调试菜单命令。
有关完整详细信息,请参阅调试配置,其中包括有关如何使用特定 Python 解释器进行调试的说明。
提示:使用日志点而不是 print 语句:开发人员经常在源代码中散布
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,包是你获取任意数量有用代码库(通常来自 PyPI)的方式,这些库为你的程序提供附加功能。在此示例中,你将使用 numpy
包生成一个随机数。
返回到资源管理器视图(左侧最顶部的图标,显示文件),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:如果你手动输入上述代码,你可能会发现在一行末尾按 Enter 时,自动完成会更改
as
关键字后面的名称。为避免这种情况,请先键入一个空格,然后按 Enter。
接下来,使用上一节中描述的“Python: 当前文件”配置在调试器中运行文件。
你应该看到消息:"ModuleNotFoundError: No module named 'numpy'"。此消息表明你的解释器中没有所需的包。如果你使用的是 Anaconda 发行版或之前已安装 numpy
包,你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终端: 创建新终端 (⌃⇧` (Windows, Linux Ctrl+Shift+`))。此命令会为你的选定解释器打开一个命令提示符。
要在虚拟环境中安装所需的包,请根据你的操作系统输入以下命令:
-
安装包
# Don't use with Anaconda distributions because they include matplotlib already. # macOS python3 -m pip install numpy # Windows (may require elevation) py -m pip install numpy # Linux (Debian) apt-get install python3-tk python3 -m pip install numpy
-
现在,无论是否使用调试器,重新运行程序以查看输出!
管理跨环境的依赖关系
在处理 Python 项目时,有效管理依赖关系至关重要。一个有用的技巧是使用 pip freeze > requirements.txt
命令。此命令可帮助你创建一个 requirements.txt
文件,其中列出了虚拟环境中安装的所有包。然后,此文件可用于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:
-
如果尚未激活,请激活你的虚拟环境。
source venv/bin/activate # On macOS/Linux
.\venv\Scripts\activate # On Windows
-
生成
requirements.txt
文件。pip freeze > requirements.txt
现在,你可以使用新生成的 requirements.txt
文件在另一个环境中安装依赖项。此外,随着项目复杂度的增加,你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,你可以确保项目依赖项在不同环境之间保持一致,从而更容易与他人协作并部署你的项目。
恭喜你完成了 Python 教程!在本教程中,你学习了如何创建 Python 项目、创建虚拟环境、运行和调试 Python 代码以及安装 Python 包。探索更多资源,了解如何在 Visual Studio Code 中充分利用 Python!
后续步骤
要了解如何使用流行的 Python Web 框架构建 Web 应用,请参阅以下教程:
此外,在 Visual Studio Code 中还有更多 Python 相关内容等你探索:
- Python 配置文件模板 - 使用精选的扩展、设置和代码片段创建新的配置文件
- 编辑代码 - 了解 Python 的自动完成、IntelliSense、格式化和重构。
- 代码检查 - 启用、配置和应用各种 Python linter。
- 调试 - 学习如何在本地和远程调试 Python。
- 测试 - 配置测试环境并发现、运行和调试测试。
- 设置参考 - 探索 VS Code 中与 Python 相关的完整设置范围。
- 将 Python 部署到 Azure 应用服务
- 将 Python 部署到容器应用