pip如何通过txt文件自动安装库

秋枫君_7767

秋枫君_7767

2026-09-02

945人浏览

原创

requirements.txt 文件格式必须严格,仅支持 requests、requests==2.31.0、requests>=2.28.0 三种写法,禁用注释、等号误用、多余等号及未引号的中文/空格路径。

pip如何通过txt文件自动安装库

requirements.txt 文件格式必须严格,否则 pip install -r 会报错

pip 不会自动解析注释、空行或不规范的包声明。常见错误包括:numpy # latest(带注释)、scipy=1.10.0(用错等号)、torch===2.0.1(多了一个等号)、路径里有中文或空格未加引号。

正确写法只接受三种形式:requests(最新版)、requests==2.31.0(精确版本)、requests>=2.28.0,(范围约束)。所有行末不能有空格,文件编码必须是 UTF-8(无 BOM)。

  • 用 VS Code 或 Notepad++ 打开文件,确认右下角显示 “UTF-8” 而非 “UTF-8-BOM”
  • 避免在 PyCharm 中直接右键 → New → File 创建,容易带隐藏字符;建议用终端 touch 或 echo 生成
  • Windows 下路径含空格时,命令要写成:pip install -r "D:\my project\requirements.txt"

pip install -r 执行前必须确认当前 Python 环境和 pip 版本

同一台机器可能有多个 Python 解释器(如系统 Python、conda env、pyenv),pip install -r 默认作用于当前 shell 激活的环境。如果没激活虚拟环境,可能装到全局 site-packages,导致污染或权限错误(尤其 Windows 上报 PermissionError)。

执行前务必检查:which python(macOS/Linux)或 where python(Windows),再运行 python -m pip --version 确认 pip 绑定的是哪个 Python。

  • 推荐始终用 python -m pip install -r requirements.txt,避免 pip 和 python 版本不一致
  • 若用 conda,优先用 conda env create -f environment.yml,而非 pip;混用时注意 pip install 后 conda list 可能不显示
  • 遇到 ERROR: Could not find a version that satisfies the requirement xxx,大概率是包名拼错,或该版本已从 PyPI 移除(如旧版 tensorflow-gpu

离线安装或受限网络下,不能只靠 pip install -r

pip install -r requirements.txt 默认联网拉取包。若目标机器无外网(如内网服务器),直接运行会卡住或报 ConnectionError。必须提前下载好 wheel 或 sdist 包。

data-engineering-data-pipeline
data-engineering-data-pipeline

您是一位数据管道架构专家,专注于为批处理和流式数据处理构建可扩展、可靠且高性价比的数据管道。

下载

正确做法分两步:先在有网机器上下载依赖树,再复制到目标机安装。

  • 下载全部包(含依赖):pip download -r requirements.txt --no-deps --platform manylinux2014_x86_64 --abi cp39 --only-binary=:all:(按目标环境调整 platform/abi)
  • 若只需源码包且不编译:pip download -r requirements.txt --no-binary :all:
  • 离线安装:pip install --find-links ./downloads --no-index -r requirements.txt,其中 ./downloads 是存放 wheel 的目录

install -r 过程中中断或部分失败,不会自动回滚

pip 没有事务机制。如果安装中途 Ctrl+C 或某个包编译失败(如 pycryptodome 缺少 gcc),已成功安装的包仍留在环境中,后续重试会跳过它们 —— 但依赖关系可能已损坏(比如 A 依赖 B,B 安装失败,A 却装上了)。

这不是 bug,是 pip 的设计逻辑:它按顺序逐个 install,不校验最终一致性。

  • 安全做法:先用 pip install --dry-run -r requirements.txt(pip ≥ 23.3)预检兼容性(但不保证 100% 成功)
  • 更可靠的是用虚拟环境隔离:python -m venv .venv && source .venv/bin/activate(Linux/macOS)或 .venv\Scripts\activate(Windows),再 install
  • 装完立刻验证:python -c "import numpy, pandas; print('OK')",比单纯看 “Successfully installed” 更实在

真正麻烦的不是命令本身,而是 requirements.txt 里某一行看着正常,却因平台差异(Windows/macOS)、Python 版本(3.8 vs 3.12)、或上游包删版而静默失败。每次换环境都值得重新跑一遍 pip install --upgrade pip 再执行。

相关文章

PHP速学视频免费教程(入门到精通)
PHP速学视频免费教程(入门到精通)

PHP怎么学习?PHP怎么入门?PHP在哪学?PHP怎么学才快?不用担心,这里为大家提供了PHP速学教程(入门到精通),有需要的小伙伴保存下载就能学习啦!

下载

相关标签:

pip安装 pip镜像源 pip

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

相关专题

更多
pip安装使用方法
pip安装使用方法

安装步骤:1、确保Python已经正确安装在您的计算机上;2、下载“get-pip.py”脚本;3、按下Win + R键,然后输入cmd并按下Enter键来打开命令行窗口;4、在命令行窗口中,使用cd命令切换到“get-pip.py”所在的目录;5、执行安装命令;6、验证安装结果即可。大家可以访问本专题下的文章,了解pip安装使用方法的更多内容。

2023.10.09

2370

5

更新pip版本
更新pip版本

更新pip版本方法有使用pip自身更新、使用操作系统自带的包管理工具、使用python包管理工具、手动安装最新版本。想了解更多相关的内容,请阅读专题下面的文章。

2024.12.20

5463

6

pip设置清华源
pip设置清华源

设置方法:1、打开终端或命令提示符窗口;2、运行“touch ~/.pip/pip.conf”命令创建一个名为pip的配置文件;3、打开pip.conf文件,然后添加“[global];index-url = https://pypi.tuna.tsinghua.edu.cn/simple”内容,这将把pip的镜像源设置为清华大学的镜像源;4、保存并关闭文件即可。

2024.12.23

6982

11

python升级pip
python升级pip

本专题整合了python升级pip相关教程,阅读下面的文章了解更多详细内容。

2025.07.23

3327

16

NumPy性能优化版本更新与常见报错排查
NumPy性能优化版本更新与常见报错排查

本专题整理 NumPy 性能优化、版本更新与常见报错排查相关教程,覆盖向量化计算、广播性能、内存布局、NumPy 2.0 升级、版本兼容冲突、安装导入报错、dtype 溢出、矩阵运算异常和 broadcasting 报错修复,帮助读者系统掌握 NumPy 性能调优与问题定位方法。

2026.09.22

0

25

Vibeknow在线使用入口合集
Vibeknow在线使用入口合集

本专题汇总了Vibeknow在线创作视频的官方入口及网页版使用教程,涵盖PPT、PDF、Word等文档一键转讲解视频的核心操作,并整理了免费版水印规则与手机端浏览器访问指南,助你快速将知识内容视频化。

2026.09.21

20

20

NumPy随机数文件读写与dtype数据类型
NumPy随机数文件读写与dtype数据类型

本专题整理 NumPy 随机数、文件读写与 dtype 数据类型相关教程,覆盖 Generator/random、随机数种子、正态分布采样、npy/npz/CSV/TXT 保存读取、loadtxt/savetxt、memmap、大文件处理、astype 类型转换、结构化 dtype、整数溢出和精度丢失等场景。

2026.09.21

0

24

NumPy矩阵运算与线性代数计算
NumPy矩阵运算与线性代数计算

本专题整理 NumPy 矩阵运算与线性代数计算相关教程,覆盖矩阵乘法、dot 与 @ 运算符、逆矩阵、行列式、特征值与特征向量、SVD、线性方程组、欧氏距离、矩阵分解和大规模矩阵性能优化等内容,帮助读者掌握 np.linalg 与矩阵计算实战。

2026.09.21

0

20

NumPy广播机制数学运算与统计分析
NumPy广播机制数学运算与统计分析

本专题整理 NumPy 广播机制、数组数学运算与统计分析相关教程,覆盖广播规则、维度对齐、矩阵与数组加减除法、向量化计算、均值方差、分位数、中位数、直方图和 unique 频次统计等场景,帮助读者掌握 ndarray 高效计算与统计处理方法。

2026.09.21

0

17

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程
Python虚拟环境官方教程
Python虚拟环境官方教程

共0课时 | 0人学习

pip安装和使用保姆级教程
pip安装和使用保姆级教程

共0课时 | 0人学习

Python虚拟环境官方教程
Python虚拟环境官方教程

共0课时 | 0人学习