【精选优质专栏推荐】

• 《AI 技术前沿》 —— 紧跟 AI 最新趋势与应用
• 《网络安全新手快速入门(附漏洞挖掘案例)》 —— 零基础安全入门必看
• 《BurpSuite 入门教程(附实战图文)》 —— 渗透测试必备工具详解
• 《网安渗透工具使用教程(全)》 —— 一站式工具手册
• 《CTF 新手入门实战教程》 —— 从题目讲解到实战技巧
• 《前后端项目开发(新手必知必会)》 —— 实战驱动快速上手

每个专栏均配有案例与图文讲解，循序渐进，适合新手与进阶学习者，欢迎订阅。

什么是 pip？

pip 是 Python 最常用的包管理工具，名称来自 “Pip Installs Packages”。它的主要作用是安装、升级、卸载和管理各种第三方库，让开发者能够快速复用社区已有的工具和框架，而不用从零开始编写代码。

pip 默认连接的仓库是 PyPI (Python Package Index)，这是全球最大的 Python 包生态系统，收录了数十万个开源项目，涵盖了数据分析、人工智能、Web 开发、科学计算等各类领域。借助 pip，开发者不仅可以方便地获取和更新这些库，还能结合虚拟环境管理不同项目的依赖，从而避免冲突，提高开发效率。

pip 与 Python 的关系

在 Python 的生态系统中，Python 解释器是运行代码的核心，而 pip 则是专门用来管理第三方扩展库的工具。

自 Python 3.4 起，pip 就已经内置在官方发行版中，无需额外安装，大大降低了使用门槛。

需要注意的是，我们的系统中可能同时存在多个 Python 版本（例如 Python 3.8、3.10），每个版本都会有自己独立的 pip，这意味着同一台机器上可能存在多个 pip 实例。如果在命令行中直接输入 pip install xxx，有时候会出现安装的包和运行代码的 Python 版本不一致的问题。

为了避免这种情况，推荐的做法是通过解释器调用 pip，例如：

python -m pip install requests

这种方式能够确保 pip 与当前调用的 Python 环境严格对应，从而避免依赖被错误地装到另一个版本里。

此外，当我们在虚拟环境（venv 或 conda）中工作时，pip 会自动与该虚拟环境绑定，确保依赖安装的隔离性和可控性。

pip 的工作原理

当我们在命令行输入 pip install requests 时，pip 首先会去默认的软件包仓库 PyPI（也可以是你指定的镜像源）中查找名为 requests 的包及其可用版本。

找到匹配的版本后，它会优先下载预编译好的 wheel 文件（.whl），因为 wheel 格式安装速度快；如果没有对应的 wheel 文件，则会下载源码压缩包（.tar.gz）并在本地进行编译。

下载完成后，pip 会将包的内容解压并安装到当前 Python 环境的 site-packages 目录，同时写入依赖信息。

如果该库依赖其他包，pip 也会自动递归地去下载和安装它们。

整个过程完成后，我们就可以在 Python 代码中通过 import requests 来直接使用该库了。

例图如下：

pip 的常见命令

1.列出所有已安装的包

pip list

2.查看某个包的详细信息

pip show 包名

3.导出所有依赖

pip freeze > requirements.txt

4.卸载包

pip uninstall 包名

5.安装指定版本

pip install 包名==1.2.3

6.升级包

pip install --upgrade 包名

pip 的进阶用法

1.使用镜像源（加速安装）

pip install 包名 -i https://pypi.tuna.tsinghua.edu.cn/simple

也可以修改配置文件，永久设置默认源。

2.安装本地包

pip install ./mypackage-0.1.0-py3-none-any.whl

3.安装 GitHub 上的包

pip install git+https://github.com/xxxx/xxxx.git

4.安装可编辑模式（开发调试）
在包目录下运行：

pip install -e .

5.清理缓存

pip cache purge

pip 与虚拟环境

很多人装包时遇到依赖冲突，就是因为所有包都装在全局环境。

正确做法：配合虚拟环境（venv 或 conda）使用 pip。

示例：

# 第一步：创建虚拟环境
python -m venv venv

# 第二步：激活虚拟环境
venv\Scripts\activate   # Windows
source venv/bin/activate  # Linux/Mac

# 第三步：在虚拟环境中安装需要的库
pip install requests

pip 的替代品

在 Python 生态中，除了官方的 pip 之外，还有许多功能更丰富、更贴合不同开发场景的包管理工具，它们在依赖管理、环境隔离、版本控制等方面各有侧重，能够满足不同的开发需求。

conda：
Conda 是 Anaconda 和 Miniconda 附带的跨平台包管理器，最大特点是不仅支持 Python 包，还能管理 C/C++ 等系统级库，尤其适合数据科学、机器学习领域。它通过环境隔离机制，可创建独立的运行环境，避免不同项目间的依赖冲突。此外，Conda 的包仓库包含大量预编译的科学计算库（如 NumPy、TensorFlow），无需用户手动配置编译环境，极大简化了科学计算项目的环境搭建。不过，Conda 的包更新速度可能略慢于 PyPI，且部分包的体积较大。

poetry：
Poetry 是一款现代化的 Python 包管理工具，主打 “依赖管理 + 打包发布” 一体化。它通过pyproject.toml文件统一管理项目元数据和依赖，自动处理依赖解析和版本冲突，自动生成精确的poetry.lock文件以确保环境一致性。Poetry 还内置了虚拟环境管理功能，支持一键创建、激活环境，同时提供了便捷的打包和发布到 PyPI 的命令，特别适合 Python 库开发者使用。其清晰的依赖管理逻辑和规范的项目结构，能有效提升团队协作效率。

pipenv：
Pipenv 由 Python 官方推荐，旨在整合 pip 和 virtualenv 的功能，解决传统 “pip+virtualenv” workflow 中的依赖混乱问题。它自动创建虚拟环境，通过Pipfile和Pipfile.lock替代传统的requirements.txt，前者区分生产依赖和开发依赖，后者记录精确的依赖版本，确保环境可复现。Pipenv 还内置了依赖安全检查功能，能检测并提示有安全漏洞的包，适合中小型应用开发场景。不过，在处理复杂依赖关系时，其解析速度可能不如 Poetry。

Pip-tools：
Pip-tools 是一组轻量级工具（pip-compile和pip-sync），基于 pip 构建，专注于将requirements.in文件编译为精确的requirements.txt。开发者只需在requirements.in中声明依赖的大致版本范围，pip-compile会自动解析并生成包含所有依赖及其精确版本的requirements.txt，pip-sync则可根据该文件同步环境，确保依赖完全一致。它保留了 pip 的使用习惯，适合习惯手动管理依赖且需要精确版本控制的项目。

Hatch：
Hatch 是一款功能全面的现代化工具，集环境管理、依赖管理、打包发布于一体。它支持多环境并行管理（如不同 Python 版本的测试环境），依赖管理采用pyproject.toml规范，支持依赖分组和条件依赖，同时提供了简洁的命令行接口用于项目初始化、测试和发布。Hatch 的环境隔离机制高效，且对 monorepo（多项目仓库）有良好支持，适合复杂项目或多包管理场景。

这些工具各有优势，选择时可根据项目类型（应用开发 / 库开发）、团队习惯、依赖复杂度等因素综合考虑。例如，数据科学项目优先考虑 Conda，库开发倾向于 Poetry，而习惯 pip 工作流的团队可能更易接受 Pip-tools。

总结

pip 是 Python 的核心工具，主要用于安装和管理第三方库。它的本质是从 PyPI 下载所需的包并安装到当前的 Python 环境中。熟练掌握 pip 的命令行操作，可以帮助我们高效管理依赖并解决环境冲突问题。同时，借助进阶用法（如切换镜像源、本地安装、从 GitHub 安装以及结合虚拟环境使用），还能让项目开发更加顺畅和灵活。