尝试以扩展 VS Code 中的代理模式！

VS Code Python 入门

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 Python “掷骰子！” 应用程序，以及如何使用虚拟环境、包等！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，请查看Visual Studio Code for Education - Python 入门课程。本课程提供了 Python 的全面介绍，在基于浏览器的就绪代码开发环境中包含结构化模块。

为了更深入地了解 Python 语言，你可以在 VS Code 的上下文中探索 python.org 上列出的任何编程教程。

对于以数据科学为重点的 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，你需要首先设置 Python 开发环境。具体来说，本教程需要

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 上在 Windows 上使用 Python

macOS

不支持在 macOS 上系统安装 Python。相反，建议使用包管理系统，如 Homebrew。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 安装位置包含在你的 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，那么你可能会考虑从 Anaconda 下载。Anaconda 不仅提供 Python 解释器，还提供许多用于数据科学的有用库和工具。

  • 适用于 Linux 的 Windows 子系统：如果你在 Windows 上工作并希望在 Linux 环境中使用 Python，那么适用于 Linux 的 Windows 子系统 (WSL) 是你的一个选择。如果你选择此选项，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 远程开发或尝试在 WSL 中工作教程，该教程将指导你设置 WSL、安装 Python 并创建在 WSL 中运行的 Hello World 应用程序。

注意：要验证你是否在计算机上成功安装了 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。或者，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，并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 创建文件夹，然后使用 VS Code 的“**文件 > 打开文件夹**”打开项目文件夹。

创建虚拟环境

Python 开发者中的一个最佳实践是使用项目特定的 虚拟环境。一旦你激活了该环境，你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，从而减少因包版本冲突而可能出现的许多复杂情况。你可以在 VS Code 中使用 Venv 或 Anaconda 通过“**Python: Create Environment**”创建非全局环境。

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

该命令将显示环境类型列表：Venv 或 Conda。对于本例，选择“**Venv**”。

Create Environment dropdown

该命令随后将显示可用于你的项目的解释器列表。选择你在本教程开头安装的解释器。

Virtual environment interpreter selection

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

Create environment status notification

通过使用“**命令面板**”中的“**Python: 选择解释器**”命令来确保你的新环境已选中。

Select an Interpreter

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

从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，你告诉 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中创建文件夹，以便更好地组织你的代码。你可以使用“**新建文件夹**”按钮快速创建文件夹。

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)

当你开始输入 print 时，请注意 IntelliSense 如何显示自动完成选项。

IntelliSense appearing for Python code

IntelliSense 和自动补全适用于标准 Python 模块以及你已安装到所选 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补全。例如，由于 msg 变量包含字符串，因此当你键入 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，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。

Using the Run Python File button

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)

Program output in a Python terminal

在 VS Code 中运行 Python 代码还有其他三种方法

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

    Run Python File in Terminal command in the Python editor

  2. 选择一行或多行，然后按 Shift+Enter，或右键单击并选择“**运行 Python > 在 Python 终端中运行选择/行**”。或者，你可以在不进行选择的情况下按 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。此命令方便用于测试文件的部分内容。

    注意：如果你希望将代码发送到光标所在的特定行，你可以通过在“**用户**”设置中将 python.REPL.enableREPLSmartSend : "false" 设置为关闭智能发送。

  3. 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

现在我们尝试调试我们的 Python 程序。调试支持由Python 调试器扩展提供，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 调试器扩展。

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

接下来，通过将光标放在 print 调用上并按 F9，在 hello.py 的第 2 行设置一个断点。或者，单击编辑器左侧的空白处，紧邻行号。设置断点时，空白处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。由于这是你第一次调试此文件，将从命令面板打开一个配置菜单，允许你为打开的文件选择调试配置类型。

List of Python debugger configuration options

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**”，此配置使用当前选定的 Python 解释器运行编辑器中显示的文件。

调试器将启动，然后在文件断点的第一行停止。当前行在左侧边距中用黄色箭头指示。此时如果你检查“**本地**”变量窗口，你可以看到 msg 变量出现在“**本地**”窗格中。

Debugging step 2 - variable defined

顶部会出现一个调试工具栏，其中包含以下命令，从左到右依次为：继续 (F5)、单步跳过 (F10)、单步进入 (F11)、单步跳出 (⇧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

状态栏也会改变颜色（在许多主题中为橙色），以指示你处于调试模式。右下角的面板中也会自动出现“**Python 调试控制台**”，以显示正在运行的命令以及程序输出。

要继续运行程序，请在调试工具栏上选择继续命令（F5）。调试器将程序运行到结束。

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将显示变量上方框中的字符串 Roll a dice!。

你还可以在“**调试控制台**”中使用变量（如果你没有看到它，请在 VS Code 的右下角区域选择“**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

再次选择工具栏上蓝色的“**继续**”按钮（或按 F5）以运行程序直到完成。“Roll a dice!” 将出现在“**Python 调试控制台**”中（如果你切换回它），并且程序完成后，VS Code 将退出调试模式。

如果你重新启动调试器，调试器会再次停在第一个断点处。

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 print 语句，以便快速检查变量，而无需在调试器中逐步执行每一行代码。在 VS Code 中，你可以改为使用“**日志点**”。日志点类似于断点，不同之处在于它会将消息记录到控制台而不会停止程序。有关更多信息，请参阅主 VS Code 调试文章中的日志点。

安装并使用包

让我们在之前的示例基础上使用包。

在 Python 中，包是你获取任意数量有用代码库的方式，通常来自 PyPI，它们为你的程序提供额外的功能。在此示例中，你将使用 numpy 包生成随机数。

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，你可能会发现当你在一行末尾按 Enter 时，自动补全会更改 as 关键字后面的名称。为避免这种情况，请键入一个空格，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。

你应该会看到消息：“**ModuleNotFoundError: No module named 'numpy'**”。此消息表示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，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“**终端：创建新终端**”（⌃⇧`（Windows、Linux Ctrl+Shift+`））。此命令会为你选择的解释器打开一个命令提示符。

要在你的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

  1. 安装软件包

    # 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

  2. 现在，重新运行程序，无论是否带调试器，查看输出！

管理跨环境的依赖项

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。此命令可帮助你创建 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位置重新创建相同的环境。

按照以下步骤创建 requirements.txt 文件

  1. 激活你的虚拟环境（如果尚未激活）。

    source venv/bin/activate  # On macOS/Linux

    .\venv\Scripts\activate   # On Windows

  2. 生成 requirements.txt 文件。

    pip freeze > requirements.txt

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，随着你的项目变得更复杂，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，你可以确保你的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 还有更多值得探索的地方

08/07/2025