Python官方venv虚拟环境完整实操教程

一、什么是venv虚拟环境

Python 3.3+ 内置venv模块，无需额外安装，是官方推荐轻量级虚拟环境工具。

核心作用

1. 依赖隔离：不同项目可使用不同版本Python、第三方库，彻底解决包版本冲突；
2. 不污染全局Python：所有安装的包仅存于当前环境，不会影响系统全局；
3. 环境可复现：通过requirements.txt记录依赖，一键部署、团队协作；
4. 安全测试：随便安装、升级、卸载测试包，不破坏其他项目环境。

主流虚拟环境工具对比

工具	类型	优势	适用场景
venv	Python内置	零安装、轻量、官方标准	普通Python项目、日常开发
virtualenv	第三方	兼容Python2、功能拓展	老旧Python版本项目
conda	Anaconda配套	支持Python/C++库、多语言	数据分析、AI深度学习

二、虚拟环境目录结构

执行创建命令后，项目目录生成独立文件夹，所有解释器、pip、依赖全部封闭在此目录内：

env/
├── Scripts/        # Windows系统
│   ├── activate.bat  # CMD激活脚本
│   ├── Activate.ps1  # PowerShell激活脚本
│   ├── python.exe    # 环境独立解释器
│   └── pip.exe       # 环境独立包管理器
├── bin/            # macOS / Linux系统
│   ├── activate
│   ├── python
│   └── pip
└── Lib/site-packages/ # 存放所有安装的第三方库

关键：整个文件夹就是完整虚拟环境，删除文件夹=彻底删除环境。

三、完整操作流程（跨平台）

1. 前置：查看本地Python版本

# Windows
python --version
py --version
# 如果存在多个python版本
py -0p # 输出所有的python版本以及对应路径
# macOS/Linux
python3 --version

2. 创建虚拟环境

基础创建（推荐命名env/.venv）

# Windows CMD/PowerShell
python -m venv env

# macOS/Linux
python3 -m venv env

• env：虚拟环境文件夹名，行业常用.venv、venv、test_env；
• 多Python版本共存时，指定解释器创建：

# 使用指定的python版本创建虚拟环境
py -3.11 -m venv env

高级创建参数

# 1. 不带pip（纯干净环境）
python -m venv --without-pip env

# 2. 继承系统全局已安装包（极少用）
python -m venv --system-site-packages env

3. 激活虚拟环境

激活成功标志：终端前缀出现(环境名)，此时python/pip全部指向虚拟环境。

Windows

1. CMD终端

envScriptsactivate.bat
或者
envScriptsactivate

2. PowerShell终端

.envScriptsActivate.ps1

PowerShell报错执行策略解决方案（临时放行）：

Set-ExecutionPolicy RemoteSigned -Scope CurrentUser

macOS / Linux

source env/bin/activate

验证是否进入虚拟环境

# Windows
where python

# macOS/Linux
which python

输出路径包含env文件夹，代表当前使用环境内Python。

4. 依赖管理（项目核心）

安装第三方包

# 单包安装
pip install requests

# 指定版本安装
pip install requests==2.34.2

# 国内清华镜像加速（解决下载慢）
pip install requests -i https://pypi.tuna.tsinghua.edu.cn/simple

导出依赖清单 requirements.txt

多人协作、服务器部署必备，记录当前环境所有包与精确版本：

# 正确导出命令（必须加 > 重定向符号）
pip freeze > requirements.txt

生成文件示例：

certifi==2026.6.17
charset-normalizer==3.4.9
idna==3.18
requests==2.34.2
urllib3==2.7.0

新环境一键还原依赖

拿到项目后，无需手动逐个安装包：

pip install -r requirements.txt

查看已安装包

# 列出全部包
pip list

# 查看单个包详情
pip show requests

# 只看手动安装的顶层包（排除底层依赖）
pip list --not-required

5. 退出虚拟环境

全平台统一命令，无需区分系统：

deactivate

执行后前缀(env)消失，切回系统全局Python。

6. 删除虚拟环境（重点答疑）

核心结论

venv创建的环境可以直接删除整个文件夹（丢回收站/命令删除均可），无系统残留，包全部存于文件夹内，不会污染全局Python。

操作步骤

1. 先退出环境（必须执行，否则文件占用无法删除）

deactivate

2. 删除文件夹

• Windows可视化：资源管理器找到env文件夹，右键删除/移入回收站；
• Windows命令行强制删除

rmdir /s /q env

• macOS/Linux命令删除

rm -rf env

重要区分（避坑）

• ✅ venv / virtualenv：直接删文件夹完全清理；
• ❌ conda创建的环境：不能手动删文件夹，会残留环境列表，必须用命令conda remove -n 环境名 --all。

四、完整项目实操示例（LangChain项目模板）

# 1. 进入项目文件夹
cd F:langchain学习

# 2. 创建虚拟环境
python -m venv test_env

# 3. 激活环境（CMD）
test_envScriptsactivate.bat

# 4. 安装依赖
pip install requests langchain langchain-openai -i https://pypi.tuna.tsinghua.edu.cn/simple

# 5. 导出依赖清单
pip freeze > requirements.txt

# 6. 开发完成退出环境
deactivate

# 7. 废弃项目删除环境
rmdir /s /q test_env

五、最佳开发规范

1. 一个项目一个独立环境，不共用虚拟环境；
2. 统一命名.venv，VS Code/PyCharm会自动识别；
3. 版本控制忽略虚拟环境，.gitignore添加配置：

# 虚拟环境目录
env/
.venv/
venv/
# 缓存文件
__pycache__/
*.pyc
# 环境变量文件
.env

4. 每次新增包后执行pip freeze > requirements.txt同步依赖；
5. 不随意移动虚拟环境文件夹，内部为硬编码绝对路径，移动后失效；如需迁移，重新创建环境+requirements.txt还原。

六、常见问题FAQ

1. 删除环境后全局Python会丢包吗？

   不会。虚拟环境与全局完全隔离，仅删除文件夹内的依赖，全局不受任何影响。

2. 激活报错找不到activate脚本？

   核对文件夹名称：Windows是Scripts，mac/Linux是bin，路径大小写不要写错。

3. pip freeze命令不生成文件？

   缺少重定向符号>，错误命令pip freeze requirements.txt仅打印列表，正确写法pip freeze > requirements.txt。

4. 虚拟环境占用空间太大怎么办？

   无用环境直接删除文件夹，空环境约30MB，深度学习项目可达数GB，定期清理废弃环境。

七、命令速查表

操作	Windows CMD	macOS/Linux
创建环境	python -m venv env	python3 -m venv env
激活环境	envScriptsactivate.bat	source env/bin/activate
导出依赖	pip freeze > requirements.txt	pip freeze > requirements.txt
批量安装依赖	pip install -r requirements.txt	pip install -r requirements.txt
退出环境	deactivate	deactivate
删除环境	rmdir /s /q env	rm -rf env

以上就是Python官方venv虚拟环境的完整实操教程的详细内容，更多关于Python官方venv虚拟环境实操的资料请关注本站其它相关文章！

您可能感兴趣的文章:

• Python直接复制已有的venv虚拟环境以创建新的虚拟环境过程
• Python虚拟环境venv、uv、conda详细对比
• Python虚拟环境venv使用说明详解
• Python 虚拟环境完全指南:venv、virtualenv 与 Conda详解
• Python虚拟环境(venv)的全面使用指南