1. 为什么我们需要管理多个Python虚拟环境如果你刚开始学Python可能觉得直接pip install一切包到系统里最省事。但当你开始接触第二个、第三个项目时麻烦就来了。项目A需要Django 3.2项目B需要Django 4.2你直接在系统里升级项目A可能就跑不起来了。更常见的是你跟着一个教程安装了一堆包结果把另一个正在运行的项目环境搞得一团糟报错信息看得人头大最后只能重装Python。这种“依赖地狱”是每个Python开发者迟早要面对的。虚拟环境Virtual Environment就是解决这个问题的标准答案。它本质上是一个独立的目录里面包含了特定Python解释器的一份拷贝以及一套独立的pip包管理工具和第三方库。在这个“沙盒”里你安装、升级、删除任何包都不会影响到系统环境或其他虚拟环境。每个项目都可以拥有自己专属的、纯净的依赖库集合真正做到隔离。那么随之而来的就是一个很实际的管理问题随着项目增多你可能会在电脑上创建env_project_a、venv_ml、data_analysis_env等好几个甚至几十个虚拟环境。时间一长你自己都可能忘了到底创建过哪些环境它们分别位于哪个路径用的是Python哪个版本。特别是在团队协作或接手老项目时快速理清本地已有的环境资源是高效工作的第一步。因此“查看所有Python虚拟环境”不是一个炫技的操作而是一个必备的、基础的环境管理技能。2. 核心工具盘点venv, virtualenv, conda 的环境查看之道Python世界里有几种主流的虚拟环境管理工具它们创建和查看环境的方式各有不同。理解它们的区别是正确管理环境的前提。2.1 内置轻骑兵venv模块从Python 3.3开始标准库就内置了venv模块。这是最“官方”、最轻量的选择无需额外安装。用venv创建的虚拟环境本质上就是一个包含bin或Scripts、lib、include等子目录的文件夹。查看venv创建的所有环境venv本身没有提供一个全局命令来列出所有由它创建的环境。因为它太“朴素”了创建环境就是复制一个目录它不负责登记注册。所以查看venv环境的核心思路是在你的项目目录或你习惯存放环境的父目录中进行搜索。最直接的方法是使用命令行进行模式匹配查找。假设你习惯把所有虚拟环境都放在用户主目录下的.virtualenvs文件夹里这是一种常见的最佳实践你可以这样查看# Linux/macOS ls -la ~/.virtualenvs/ # Windows (PowerShell) Get-ChildItem -Directory -Path $HOME\.virtualenvs # 或者使用通配符查找所有可能包含‘venv’、‘env’等关键词的目录 # Linux/macOS 在当前目录及子目录中查找 find . -type d -name *venv* -o -name *env* | grep -v __pycache__ # Windows (PowerShell) 在当前目录及子目录中查找 Get-ChildItem -Recurse -Directory -Filter *env* | Where-Object {$_.Name -notlike *__pycache__*}注意venv环境目录的名字完全由你创建时决定常见的有venv,.venv,env,virtualenv等。所以查找时需要用一些通用的关键词。.venv前面带点在类Unix系统是隐藏目录ls命令需要加-a参数才能看到。如何确认一个目录是venv环境进入疑似环境的目录查看其结构。一个标准的venv环境至少会有bin/Linux/macOS或Scripts/Windows文件夹里面包含python和pip的可执行文件。你还可以通过检查pyvenv.cfg文件来确认这个文件记录了创建该环境时使用的系统Python解释器路径。2.2 经典第三方virtualenv工具在venv出现之前virtualenv是第三方虚拟环境工具的事实标准。它比venv更强大、兼容性更好比如支持Python 2现在依然被广泛使用。virtualenv需要额外安装pip install virtualenv。查看virtualenv创建的所有环境和venv一样virtualenv也没有内置的全局列表命令。它创建的环境也是一个独立的文件夹。因此查找方法完全等同于上述venv的搜索方法。你需要依靠文件系统搜索来定位所有你用virtualenv创建的、名字有规律的环境目录。一个实用的技巧是结合virtualenv的--help命令虽然它不列出环境但你可以记住创建环境的命令然后通过脚本或alias来简化查找过程。例如在~/.bashrc或~/.zshrc中设置一个别名# 查找当前目录下所有虚拟环境通过查找 activate 脚本 alias lsvenv“find . -name “activate” -type f 2/dev/null | sed ‘s|/bin/activate$||’”这个别名会查找当前目录及其子目录中所有的activate脚本虚拟环境的激活脚本并打印出环境所在的路径。2.3 全能生态平台conda/Anaconda/Minicondaconda不仅仅是一个Python包管理器更是一个跨语言的通用环境管理器。它来自Anaconda发行版擅长管理数据科学领域的复杂依赖包含很多非Python的C库。conda环境被conda自身集中管理因此它提供了非常完善的环境查看和管理命令。查看conda管理的所有环境这是最省心的一种方式。打开终端或Anaconda Prompt直接使用以下命令conda env list # 或者等价的 conda info --envs执行后你会看到一个清晰的表格输出例如# conda environments: # base * /opt/anaconda3 ml-project /opt/anaconda3/envs/ml-project django-tutorial /opt/anaconda3/envs/django-tutorial表格中会列出所有环境的名称和路径并用一个星号*标记出当前激活的环境通常是base。conda把环境都统一存放在其安装目录下的envs文件夹里所以管理和查找都非常方便。conda与pip venv环境的本质区别conda环境是由conda元数据严格管理的而venv/virtualenv环境是松散的文件目录。这意味着隔离性conda可以管理Python版本本身如创建Python 3.9的环境而venv依赖于一个已安装的特定Python解释器来创建环境。可发现性conda env list可以直接列出所有环境无需手动搜索。混合使用风险虽然可以在conda环境里使用pip安装包但有时会导致依赖冲突因为conda和pip的解析器不互通。通常建议在conda环境里优先使用conda install找不到的包再用pip。3. 集成开发环境IDE中的环境管理视图对于日常开发我们大部分时间是在IDE里写代码。现代IDE都内置了强大的Python环境管理功能可以非常直观地查看和切换环境。3.1 PyCharm/IntelliJ IDEA专业级的项目管理PyCharm是Python开发的神器它对虚拟环境的支持是顶级的。查看和选择项目解释器打开项目后点击右下角的状态栏那里会显示当前项目正在使用的Python解释器环境名称。点击它选择“Interpreter Settings...” 或直接进入File - Settings - Project: 项目名 - Python Interpreter。在“Python Interpreter”下拉框中你可以看到所有已被PyCharm识别到的解释器。这包括系统Pythonconda环境自动从conda配置中读取位于项目目录或常见位置的venv/virtualenv环境PyCharm会自动扫描添加WSL、Docker、SSH远程解释器等。添加现有环境或创建新环境如果PyCharm没有自动识别出你的环境你可以点击齿轮图标选择“Add...”。在新窗口中选择“Conda Environment”或“Virtualenv Environment”然后导航到你本地已有的环境目录例如~/venvs/my_old_env或conda环境名称即可将其添加到列表中。PyCharm的环境管理是项目级别的非常清晰。每个项目都可以独立配置互不干扰。3.2 Visual Studio Code (VSCode)轻量且强大VSCode通过Python扩展提供了灵活的环境管理。查看和切换环境打开一个包含Python文件如.py的文件夹作为工作区。点击VSCode底部状态栏最左侧那里会显示当前选择的Python解释器版本和环境名称。点击它或者使用命令面板CtrlShiftP/CmdShiftP输入“Python: Select Interpreter”。此时会弹出一个列表展示了VSCode在当前工作区中自动发现的所有可用Python解释器。这个列表的来源包括系统PATH中的Python。工作区根目录下名为.venv,venv,env的文件夹。由pipenv或poetry工具创建的环境。conda环境需要VSCode能访问到conda命令。手动指定环境路径如果VSCode没有自动列出你的环境你可以手动指定。在“Select Interpreter”列表的最上方选择“Enter interpreter path...”然后直接输入或浏览到你环境目录下的Python可执行文件例如./.venv/bin/python或./venv/Scripts/python.exe。VSCode的环境选择是工作区级别的设置会被保存在工作区的.vscode/settings.json文件中。3.3 Jupyter Notebook/JupyterLab内核即环境在Jupyter生态中“环境”的概念被抽象为“内核”Kernel。一个内核对应一个可执行代码的Python运行环境。查看已注册的内核在Jupyter Notebook或Lab中新建笔记本时可以在右上角选择不同的内核。要查看所有已注册的内核可以在终端中运行jupyter kernelspec list这会列出所有内核的显示名称和其安装路径。例如你可能会看到python3对应着你的base环境而ml-project对应着一个独立的conda环境。将虚拟环境添加为Jupyter内核这是关键一步。仅仅创建了虚拟环境Jupyter并不会自动感知。你需要手动将这个环境安装为一个内核# 首先激活你的虚拟环境 # 对于 conda conda activate my_env # 对于 venv/virtualenv # Linux/macOS: source my_env/bin/activate # Windows: my_env\Scripts\activate # 然后在激活的环境中安装 ipykernel pip install ipykernel # 最后将此环境添加到Jupyter内核列表并指定一个显示名称 python -m ipykernel install --user --namemy_env --display-name“Python (My Env)”执行后重启Jupyter你就能在 kernel 列表里看到“Python (My Env)”这个选项了。通过这种方式你可以在一个Jupyter服务器会话中自由切换不同笔记本所使用的Python环境。4. 高级技巧与自动化管理脚本当你管理数十个环境时手动查找或依赖IDE扫描可能不够高效。这里有一些进阶方法和脚本可以帮助你。4.1 使用pipenv和poetry这类现代工具pipenv和poetry是新一代的依赖管理和打包工具它们也内置了虚拟环境管理并且有更好的可发现性。pipenv它遵循“一个项目一个环境”的理念。在项目目录下它通常将环境创建在全局的某个位置如~/.local/share/virtualenvs/并通过Pipfile.lock来锁定依赖。要查看所有由pipenv管理的环境可以查看这个全局目录ls ~/.local/share/virtualenvs/在项目目录下运行pipenv --venv可以快速打印出该项目关联的环境的完整路径。poetry与pipenv类似poetry默认也将环境创建在统一的缓存目录下如~/Library/Caches/pypoetry/virtualenvson macOS。查看所有poetry环境poetry env list这个命令会直接列出所有由poetry为当前项目或其他项目创建的环境名称。在项目目录下运行poetry env info --path可以获取当前项目环境的路径。这些工具通过集中存储和元数据管理部分解决了venv环境分散、难以查找的问题。4.2 编写自定义Shell脚本进行全局扫描对于坚持使用venv/virtualenv且环境散布各处的开发者一个强大的自定义脚本是终极解决方案。下面是一个Bash脚本示例它可以递归搜索指定目录默认为家目录找出所有可能的虚拟环境并显示其路径和使用的Python版本。#!/bin/bash # find_venvs.sh # 用法./find_venvs.sh [搜索起始目录默认为当前用户主目录] SEARCH_DIR“${1:-$HOME}” echo “正在扫描目录: $SEARCH_DIR” echo “----------------------------------------” find “$SEARCH_DIR” -type f -name “pyvenv.cfg” -o -name “activate” -path “*/bin/activate” 2/dev/null | while read -r config_file; do # 提取环境目录路径 if [[ “$config_file” *“pyvenv.cfg” ]]; then ENV_DIR“$(dirname “$config_file”)” else # 是 activate 文件 ENV_DIR“$(dirname “$(dirname “$config_file”)”)” fi # 获取Python版本 PYTHON_EXEC“$ENV_DIR/bin/python” if [[ ! -x “$PYTHON_EXEC” ]]; then PYTHON_EXEC“$ENV_DIR/Scripts/python.exe” fi if [[ -x “$PYTHON_EXEC” ]]; then PYTHON_VERSION“$($PYTHON_EXEC --version 21)” else PYTHON_VERSION“Python解释器未找到或不可执行” fi # 打印结果 echo “环境路径: $ENV_DIR” echo “Python版本: $PYTHON_VERSION” echo “---” done | head -50 # 限制输出前50个结果避免过多 echo “提示以上列出了找到的虚拟环境。如果环境过多建议将其规范存放在统一目录如 ~/.virtualenvs以便管理。”这个脚本通过查找虚拟环境的标志性文件pyvenv.cfg或bin/activate来定位环境并尝试运行其中的Python解释器来获取版本信息非常实用。你可以将其保存为find_venvs.sh赋予执行权限chmod x find_venvs.sh然后在任何地方运行。4.3 环境管理的最佳实践与避坑指南在长期使用中我总结出几条避免环境混乱的心得统一存放位置这是最重要的习惯。无论是用venv、virtualenv还是conda都尽量将环境创建在一个统一的父目录下例如~/.virtualenvs或~/venvs。这样一个简单的ls命令就能一览无余。对于conda它本身已经做到了这一点。使用有意义的命名环境名称应反映其用途例如project-alpha-django-4.2、>
1. 为什么我们需要管理多个Python虚拟环境如果你刚开始学Python可能觉得直接pip install一切包到系统里最省事。但当你开始接触第二个、第三个项目时麻烦就来了。项目A需要Django 3.2项目B需要Django 4.2你直接在系统里升级项目A可能就跑不起来了。更常见的是你跟着一个教程安装了一堆包结果把另一个正在运行的项目环境搞得一团糟报错信息看得人头大最后只能重装Python。这种“依赖地狱”是每个Python开发者迟早要面对的。虚拟环境Virtual Environment就是解决这个问题的标准答案。它本质上是一个独立的目录里面包含了特定Python解释器的一份拷贝以及一套独立的pip包管理工具和第三方库。在这个“沙盒”里你安装、升级、删除任何包都不会影响到系统环境或其他虚拟环境。每个项目都可以拥有自己专属的、纯净的依赖库集合真正做到隔离。那么随之而来的就是一个很实际的管理问题随着项目增多你可能会在电脑上创建env_project_a、venv_ml、data_analysis_env等好几个甚至几十个虚拟环境。时间一长你自己都可能忘了到底创建过哪些环境它们分别位于哪个路径用的是Python哪个版本。特别是在团队协作或接手老项目时快速理清本地已有的环境资源是高效工作的第一步。因此“查看所有Python虚拟环境”不是一个炫技的操作而是一个必备的、基础的环境管理技能。2. 核心工具盘点venv, virtualenv, conda 的环境查看之道Python世界里有几种主流的虚拟环境管理工具它们创建和查看环境的方式各有不同。理解它们的区别是正确管理环境的前提。2.1 内置轻骑兵venv模块从Python 3.3开始标准库就内置了venv模块。这是最“官方”、最轻量的选择无需额外安装。用venv创建的虚拟环境本质上就是一个包含bin或Scripts、lib、include等子目录的文件夹。查看venv创建的所有环境venv本身没有提供一个全局命令来列出所有由它创建的环境。因为它太“朴素”了创建环境就是复制一个目录它不负责登记注册。所以查看venv环境的核心思路是在你的项目目录或你习惯存放环境的父目录中进行搜索。最直接的方法是使用命令行进行模式匹配查找。假设你习惯把所有虚拟环境都放在用户主目录下的.virtualenvs文件夹里这是一种常见的最佳实践你可以这样查看# Linux/macOS ls -la ~/.virtualenvs/ # Windows (PowerShell) Get-ChildItem -Directory -Path $HOME\.virtualenvs # 或者使用通配符查找所有可能包含‘venv’、‘env’等关键词的目录 # Linux/macOS 在当前目录及子目录中查找 find . -type d -name *venv* -o -name *env* | grep -v __pycache__ # Windows (PowerShell) 在当前目录及子目录中查找 Get-ChildItem -Recurse -Directory -Filter *env* | Where-Object {$_.Name -notlike *__pycache__*}注意venv环境目录的名字完全由你创建时决定常见的有venv,.venv,env,virtualenv等。所以查找时需要用一些通用的关键词。.venv前面带点在类Unix系统是隐藏目录ls命令需要加-a参数才能看到。如何确认一个目录是venv环境进入疑似环境的目录查看其结构。一个标准的venv环境至少会有bin/Linux/macOS或Scripts/Windows文件夹里面包含python和pip的可执行文件。你还可以通过检查pyvenv.cfg文件来确认这个文件记录了创建该环境时使用的系统Python解释器路径。2.2 经典第三方virtualenv工具在venv出现之前virtualenv是第三方虚拟环境工具的事实标准。它比venv更强大、兼容性更好比如支持Python 2现在依然被广泛使用。virtualenv需要额外安装pip install virtualenv。查看virtualenv创建的所有环境和venv一样virtualenv也没有内置的全局列表命令。它创建的环境也是一个独立的文件夹。因此查找方法完全等同于上述venv的搜索方法。你需要依靠文件系统搜索来定位所有你用virtualenv创建的、名字有规律的环境目录。一个实用的技巧是结合virtualenv的--help命令虽然它不列出环境但你可以记住创建环境的命令然后通过脚本或alias来简化查找过程。例如在~/.bashrc或~/.zshrc中设置一个别名# 查找当前目录下所有虚拟环境通过查找 activate 脚本 alias lsvenv“find . -name “activate” -type f 2/dev/null | sed ‘s|/bin/activate$||’”这个别名会查找当前目录及其子目录中所有的activate脚本虚拟环境的激活脚本并打印出环境所在的路径。2.3 全能生态平台conda/Anaconda/Minicondaconda不仅仅是一个Python包管理器更是一个跨语言的通用环境管理器。它来自Anaconda发行版擅长管理数据科学领域的复杂依赖包含很多非Python的C库。conda环境被conda自身集中管理因此它提供了非常完善的环境查看和管理命令。查看conda管理的所有环境这是最省心的一种方式。打开终端或Anaconda Prompt直接使用以下命令conda env list # 或者等价的 conda info --envs执行后你会看到一个清晰的表格输出例如# conda environments: # base * /opt/anaconda3 ml-project /opt/anaconda3/envs/ml-project django-tutorial /opt/anaconda3/envs/django-tutorial表格中会列出所有环境的名称和路径并用一个星号*标记出当前激活的环境通常是base。conda把环境都统一存放在其安装目录下的envs文件夹里所以管理和查找都非常方便。conda与pip venv环境的本质区别conda环境是由conda元数据严格管理的而venv/virtualenv环境是松散的文件目录。这意味着隔离性conda可以管理Python版本本身如创建Python 3.9的环境而venv依赖于一个已安装的特定Python解释器来创建环境。可发现性conda env list可以直接列出所有环境无需手动搜索。混合使用风险虽然可以在conda环境里使用pip安装包但有时会导致依赖冲突因为conda和pip的解析器不互通。通常建议在conda环境里优先使用conda install找不到的包再用pip。3. 集成开发环境IDE中的环境管理视图对于日常开发我们大部分时间是在IDE里写代码。现代IDE都内置了强大的Python环境管理功能可以非常直观地查看和切换环境。3.1 PyCharm/IntelliJ IDEA专业级的项目管理PyCharm是Python开发的神器它对虚拟环境的支持是顶级的。查看和选择项目解释器打开项目后点击右下角的状态栏那里会显示当前项目正在使用的Python解释器环境名称。点击它选择“Interpreter Settings...” 或直接进入File - Settings - Project: 项目名 - Python Interpreter。在“Python Interpreter”下拉框中你可以看到所有已被PyCharm识别到的解释器。这包括系统Pythonconda环境自动从conda配置中读取位于项目目录或常见位置的venv/virtualenv环境PyCharm会自动扫描添加WSL、Docker、SSH远程解释器等。添加现有环境或创建新环境如果PyCharm没有自动识别出你的环境你可以点击齿轮图标选择“Add...”。在新窗口中选择“Conda Environment”或“Virtualenv Environment”然后导航到你本地已有的环境目录例如~/venvs/my_old_env或conda环境名称即可将其添加到列表中。PyCharm的环境管理是项目级别的非常清晰。每个项目都可以独立配置互不干扰。3.2 Visual Studio Code (VSCode)轻量且强大VSCode通过Python扩展提供了灵活的环境管理。查看和切换环境打开一个包含Python文件如.py的文件夹作为工作区。点击VSCode底部状态栏最左侧那里会显示当前选择的Python解释器版本和环境名称。点击它或者使用命令面板CtrlShiftP/CmdShiftP输入“Python: Select Interpreter”。此时会弹出一个列表展示了VSCode在当前工作区中自动发现的所有可用Python解释器。这个列表的来源包括系统PATH中的Python。工作区根目录下名为.venv,venv,env的文件夹。由pipenv或poetry工具创建的环境。conda环境需要VSCode能访问到conda命令。手动指定环境路径如果VSCode没有自动列出你的环境你可以手动指定。在“Select Interpreter”列表的最上方选择“Enter interpreter path...”然后直接输入或浏览到你环境目录下的Python可执行文件例如./.venv/bin/python或./venv/Scripts/python.exe。VSCode的环境选择是工作区级别的设置会被保存在工作区的.vscode/settings.json文件中。3.3 Jupyter Notebook/JupyterLab内核即环境在Jupyter生态中“环境”的概念被抽象为“内核”Kernel。一个内核对应一个可执行代码的Python运行环境。查看已注册的内核在Jupyter Notebook或Lab中新建笔记本时可以在右上角选择不同的内核。要查看所有已注册的内核可以在终端中运行jupyter kernelspec list这会列出所有内核的显示名称和其安装路径。例如你可能会看到python3对应着你的base环境而ml-project对应着一个独立的conda环境。将虚拟环境添加为Jupyter内核这是关键一步。仅仅创建了虚拟环境Jupyter并不会自动感知。你需要手动将这个环境安装为一个内核# 首先激活你的虚拟环境 # 对于 conda conda activate my_env # 对于 venv/virtualenv # Linux/macOS: source my_env/bin/activate # Windows: my_env\Scripts\activate # 然后在激活的环境中安装 ipykernel pip install ipykernel # 最后将此环境添加到Jupyter内核列表并指定一个显示名称 python -m ipykernel install --user --namemy_env --display-name“Python (My Env)”执行后重启Jupyter你就能在 kernel 列表里看到“Python (My Env)”这个选项了。通过这种方式你可以在一个Jupyter服务器会话中自由切换不同笔记本所使用的Python环境。4. 高级技巧与自动化管理脚本当你管理数十个环境时手动查找或依赖IDE扫描可能不够高效。这里有一些进阶方法和脚本可以帮助你。4.1 使用pipenv和poetry这类现代工具pipenv和poetry是新一代的依赖管理和打包工具它们也内置了虚拟环境管理并且有更好的可发现性。pipenv它遵循“一个项目一个环境”的理念。在项目目录下它通常将环境创建在全局的某个位置如~/.local/share/virtualenvs/并通过Pipfile.lock来锁定依赖。要查看所有由pipenv管理的环境可以查看这个全局目录ls ~/.local/share/virtualenvs/在项目目录下运行pipenv --venv可以快速打印出该项目关联的环境的完整路径。poetry与pipenv类似poetry默认也将环境创建在统一的缓存目录下如~/Library/Caches/pypoetry/virtualenvson macOS。查看所有poetry环境poetry env list这个命令会直接列出所有由poetry为当前项目或其他项目创建的环境名称。在项目目录下运行poetry env info --path可以获取当前项目环境的路径。这些工具通过集中存储和元数据管理部分解决了venv环境分散、难以查找的问题。4.2 编写自定义Shell脚本进行全局扫描对于坚持使用venv/virtualenv且环境散布各处的开发者一个强大的自定义脚本是终极解决方案。下面是一个Bash脚本示例它可以递归搜索指定目录默认为家目录找出所有可能的虚拟环境并显示其路径和使用的Python版本。#!/bin/bash # find_venvs.sh # 用法./find_venvs.sh [搜索起始目录默认为当前用户主目录] SEARCH_DIR“${1:-$HOME}” echo “正在扫描目录: $SEARCH_DIR” echo “----------------------------------------” find “$SEARCH_DIR” -type f -name “pyvenv.cfg” -o -name “activate” -path “*/bin/activate” 2/dev/null | while read -r config_file; do # 提取环境目录路径 if [[ “$config_file” *“pyvenv.cfg” ]]; then ENV_DIR“$(dirname “$config_file”)” else # 是 activate 文件 ENV_DIR“$(dirname “$(dirname “$config_file”)”)” fi # 获取Python版本 PYTHON_EXEC“$ENV_DIR/bin/python” if [[ ! -x “$PYTHON_EXEC” ]]; then PYTHON_EXEC“$ENV_DIR/Scripts/python.exe” fi if [[ -x “$PYTHON_EXEC” ]]; then PYTHON_VERSION“$($PYTHON_EXEC --version 21)” else PYTHON_VERSION“Python解释器未找到或不可执行” fi # 打印结果 echo “环境路径: $ENV_DIR” echo “Python版本: $PYTHON_VERSION” echo “---” done | head -50 # 限制输出前50个结果避免过多 echo “提示以上列出了找到的虚拟环境。如果环境过多建议将其规范存放在统一目录如 ~/.virtualenvs以便管理。”这个脚本通过查找虚拟环境的标志性文件pyvenv.cfg或bin/activate来定位环境并尝试运行其中的Python解释器来获取版本信息非常实用。你可以将其保存为find_venvs.sh赋予执行权限chmod x find_venvs.sh然后在任何地方运行。4.3 环境管理的最佳实践与避坑指南在长期使用中我总结出几条避免环境混乱的心得统一存放位置这是最重要的习惯。无论是用venv、virtualenv还是conda都尽量将环境创建在一个统一的父目录下例如~/.virtualenvs或~/venvs。这样一个简单的ls命令就能一览无余。对于conda它本身已经做到了这一点。使用有意义的命名环境名称应反映其用途例如project-alpha-django-4.2、>
![[GESP202606 四级] 扫雷](http://pic.xiahunao.cn/yaotu/[GESP202606 四级] 扫雷)
