python怎么创建txt文件啊_搞定Python项目依赖：requirements.txt文件的创建和使用
Python的强大在于它拥有数量众多的第三方库协助开发，在编写Python项目时，我们经常会使用很多第三方模块。由于不同设备和系统的差异性，导致我们很难分散地控制项目依赖（头铁的同学请绕道），于是requirements.txt（后续文章中可能简称为requirements）就出现了。requirements.txt记录了当前环境中所使用的包和对应版本，能够配合Python的包管理工具快速地在其他系统中部署相同的环境，保证开发和部署的效率。
接下来我们介绍几种常用的生成和使用requirements.txt文件的方法：
一 pip freeze
pip 是一个Python包管理工具，主要是用于安装 PyPI 上的软件包，可以替代 easy_install 工具。
安装pip有两种方式，一种是源码安装（在Python2编译安装的时候没有安装pip，需要在官网下载安装，而Python3在安装的时候就默认安装了pip），还有一种方式是使用Linux系统的包管理软件，因为Linux系统一般都是有自带Python，如果只需要系统自带的Python，直接从系统的包管理器安装可以了。方法是“yum install python-pip”或“apt-get install python-pip”。
1. pip freeze生成requirements.txt
pip freeze > requirements.txt #这里的文件名可以自定义
1
pipfreeze>requirements.txt#这里的文件名可以自定义
2. pip使用requirements安装依赖
pip install -r requirements.txt
1
pipinstall-rrequirements.txt
二 pipreqs
上面介绍的pip管理依赖包的方法是最常用的做法，但是如果有使用过的同学，肯定知道这种方法也有弊端，就是pip创建项目依赖包requirements文件时会将整个环境的包都列出来（虚拟环境下不会包含pip和setuptools），往往需要我们手动删除很多当前项目不需要的依赖。
通常我们生成项目requirements.txt文件是希望得到当前项目的依赖情况，这时候推荐使用pipreqs。这个工具的优势在于它是通过对项目目录扫描自动发现依赖的类库，生产依赖清单，但是可能会存在一些偏差，需要手动调整。
pipreqs安装方法很简单，pip install pipreqs 即可。
pipreqs ./ #进入项目根目录运行即可
1
pipreqs./#进入项目根目录运行即可
这条命令可能会发生错误：
UnicodeDecodeError: 'gbk' codec can't decode byte 0xa6 in position 186: illegal multibyte sequence
1
UnicodeDecodeError:'gbk'codeccan'tdecodebyte0xa6inposition186:illegalmultibytesequence
解决方法：修改pipreqs.py文件中75行，将encoding修改为utf-8。或者运行命令的时候指定编码格式。
pipreqs ./ --encoding=utf8
1
pipreqs./--encoding=utf8
其他pipreqs的详细用法可以查找文档或参见命令帮助提示，使用生成的依赖与pip一致，需要“ pip install -r requirements.txt ”。
三 pip-compile
这种方法也比较适合精细化控制，需要自行创建requirements.in文件（这工具真的是傲娇，连个文件也不给生成）。创建文件后，需要手动写入依赖包的名称，如：
Django
requests
celery
1
2
3
Django
requests
celery
然后运行命令：
pip-compile requirements.in
1
pip-compilerequirements.in
此时pip-compile会根据当前环境中依赖包的版本填写配置文件，此时查看配置文件会发现生成的版本信息。
#
# This file is autogenerated by pip-compile
# Make changes in requirements.in, then run this to update:
#
# pip-compile requirements.in
#
Django==1.11.7
requests==2.19.1
celery==4.2.1
1
2
3
4
5
6
7
8
9
10
#
# This file is autogenerated by pip-compile
# Make changes in requirements.in, then run this to update:
#
# pip-compile requirements.in
#
Django==1.11.7
requests==2.19.1
celery==4.2.1
四 conda
conda 是针对于 Python 的环境和包管理工具（ Conda是一个通用的包管理器，当初设计来管理任何语言的包，这么表述是因为被用来管理Python比较多），发布于2012年，在Python数据分析领域是与Numpy和Scipy一样受欢迎的工具。可以使用 minconda 或 anaconda 进行安装，前者是简化版本，只包含 conda 和其依赖。 Anaconda发行版会预装很多pydata生态圈里的软件，而Miniconda是最小的conda安装环境， 一个干净的conda环境。
conda 有 Python3.x 和 Python2.x 系列两个版本，其实都没有关系，因为你在使用 conda 进行创建环境时，可以指定 Python 的版本。一般来说 conda 仓库的软件没有 PyPI 更新快和全。所以推荐 conda 只用来创建虚拟环境（后面介绍），包的安装管理仍然使用 pip。但在 windows 下由于依赖不好处理，所以在使用 pip 失败时可以查询是否有编译好的 conda 包。
和pip相比，pip可以允许你在任何环境中安装Python包，而conda允许你在conda环境中安装任何语言包（包括c语言或者Python）。可以在virtualenv环境下安装conda，但是最好用conda自己的环境工具，这样会和pip有更好的兼容性。总结来看，pip 和 conda 是为不同目的存在的，我们应该更加关注怎么同时用好这两个工具，而不是只用一个。
conda批量导出包含环境中所有组件的requirements.txt文件：
conda list -e > requirements.txt
1
condalist-e>requirements.txt
批量安装requirements.txt文件中的组件依赖：
conda install --yes --file requirements.txt
1
condainstall--yes--filerequirements.txt
五 总结
喜欢 (0)or分享 (0)