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。
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。
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。
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
urllib
,
requests
提供了更直观、更容易理解的接口。
requests
自动处理响应的内容编码,并自动解码
gzip
和
deflate
压缩。
Session
对象,
requests
可以在多个请求之间保持会话,处理 cookies。
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。
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。
Uvicorn
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:
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
FastAPI
在性能上接近 Node.js 和 Go 的水平,适合处理高并发。
Pydantic
,自动进行数据验证和解析。
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。
以下是一个简单的
FastAPI
应用:
当你运行 FastAPI 应用时,它会自动生成交互式文档:
http://127.0.0.1:8000/docs
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。
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
MySQLdb
的接口非常相似,便于从
MySQLdb
迁移到
PyMySQL
。
安装
PyMySQL
你可以通过
pip
来安装
PyMySQL
:
使用
PyMySQL
连接到 MySQL 数据库:
如下是我实际表的一些操作例子代码。
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
commit
和
rollback
方法进行事务管理。
executemany
方法高效地插入大量数据。
安装
pymssql
你可以通过
pip
安装
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:
SQLAlchemy 的主要特性
安装 SQLAlchemy
你可以通过
pip
安装
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:
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。
CRUD的操作例子代码如下所示。
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。
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。
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。