管理python环境的方式
最近又有写 python 的需求了，上一次写还是几年前写圣纳百川爬虫的时候，因此很多事情记不太清楚了。
本文主要来疏离总结一下管理 python 环境的方式，以及它们的适用场景。
主流的方案
对于不同的项目，它们会用到不同的 python 版本，以及不同的依赖库和版本。如果只使用全局解释器，那么切换和维护起来会非常的麻烦且容易出错。面对这样的场景，虚拟环境是更优的选择。
在官方文档中提到：venv --- 创建虚拟环境 — Python 3.12.0 文档
venv模块支持创建轻量的“虚拟环境”，每个虚拟环境将拥有它们自己独立的安装在其site目录中的 Python 软件包集合。 虚拟环境是在现有的 Python 安装版基础之上创建的，这被称为虚拟环境的“基础”Python，并且还可选择与基础环境中的软件包隔离开来，这样只有在虚拟环境中显式安装的软件包才是可用的。
那么虚拟环境的管理具体有哪些呢？
我们从 pycharm 提供的解释器选项中能看出一二，pycharm 这里提供的都是比较主流的虚拟环境管理了。
- venv （官方内置的模块）
- virtualenv
- conda
- pipenv
- poetry
这里不想分别对这些管理工作都做详细的介绍，只记录我自己最常用的组合。
我的需求有两类，第一类管理 python 的版本，第二类管理依赖的版本。
对于 python 版本管理
使用 pyenv
GitHub - pyenv/pyenv: Simple Python version management
用来安装和切换 python 的版本
对于依赖管理
如果是我自己的项目，那么我会使用 poetry（因为操作比较像 npm，我更加熟悉）
如果是别人的项目且项目中不是使用 poetry 来管理的，那么我会使用 virtualenv 来管理。
poetry
Basic usage | Documentation | Poetry - Python dependency management and packaging made easy
如果是一个新的项目
poetry new poetry-demo 如果是一个已经存在的项目
poetry init 然后使用poetry add 包名安装依赖
也可以指定版本，Dependency specification | Documentation | Poetry - Python dependency management and packaging made easy
如果要导出 requirements 方便别人安装可以运行
poetry export -o requirements.txt
virtualenv
创建虚拟环境
“virtualenv env_name
激活
如果是 linux
source env_name/bin/activate
如果是 windows
.\env_name\Scripts\activate
当然如果你用的 IDE，它会帮你创建和关联
然后后面就是正常的 pip install xxx 之类的操作了。
conda
请问大神们，pip install 和 conda install 有什么区别吗？ - 知乎
conda 用来作为虚拟环境管理的话，不建议 pip 和 conda 混用，需要了解一下 import 优先级。
如果都安装了某一个包，那么优先 import 的是 conda 安装的
如果之前用 pip 装的，运行conda convert转一下。
然后后面都用 conda 来安装，conda 找不到的包再用 pip 来装。