介绍

PyCharm 与Docker的集成允许您在 Docker 容器中部署的各种配置的开发环境中运行您的应用程序。

---

先决条件

确保满足以下先决条件：

• Docker 已安装，如Docker Docs页面中所述。您可以在各种平台上安装 Docker，但这里我们将使用Windows安装。

请注意，您可能希望在不同平台上重复本教程；然后使用macOS和Linux的 Docker 安装（Ubuntu，也可以使用其他与发行版相关的说明）。

• 你有一个稳定的互联网连接。

确保您有稳定的 Internet 连接，以便 PyCharm 可以下载和运行busybox:latest. 成功配置 Docker 后，就可以下线了。

• 在开始使用 Docker 之前，请确保已启用Docker插件。该插件与 PyCharm 捆绑在一起，默认情况下是激活的。如果插件未激活，请在 IDE 设置的插件Ctrl+Alt+S页面上启用它，如安装插件中所述。

在Settings/Preferences对话框 ( Ctrl+Alt+S) 中，选择Build、Execution、Deployment | Docker，然后在Connect to Docker daemon with下为 <您的操作系统> 选择 Docker。例如，如果您使用的是 macOS，请选择Docker for Mac。

请注意，您不能将任何 Python 包安装到基于 Docker 的项目解释器中。

---

准备一个例子

创建一个 Python 项目 QuadraticEquation，添加Solver.py文件，然后复制并粘贴以下代码：

import math

class Solver:

    def demo(self, a, b, c):
        d = b ** 2 - 4 * a * c
        if d > 0:
            disc = math.sqrt(d)
            root1 = (-b + disc) / (2 * a)
            root2 = (-b - disc) / (2 * a)
            return root1, root2
        elif d == 0:
            return -b / (2 * a)
        else:
            return "This equation has no roots"

if __name__ == '__main__':
    solver = Solver()

    while True:
        a = int(input("a: "))
        b = int(input("b: "))
        c = int(input("c: "))
        result = solver.demo(a, b, c)
        print(result)

将 Docker 配置为远程解释器

现在，让我们定义一个基于 Docker 的远程解释器。

确保您已在计算机上下载并安装Python。

1. 执行以下操作之一：

• 单击Python 解释器选择器并选择添加解释器。

• 按Ctrl+Alt+S打开项目设置/首选项并转到项目 <项目名称> | Python 解释器。单击并选择添加。

2. 在打开的对话框中，选择Docker选项，从列表中选择 Docker 服务器（如果缺少服务器，请单击新建…），然后指定映像名称：python:latest。Python 解释器路径应该具有默认值：

因此，在项目设置中，您应该会看到如下内容：

3. 单击确定以应用更改并关闭对话框。

---

在 Docker 容器中运行您的应用程序

main在装订线中，在子句旁边，单击按钮，然后选择运行“Solver.py”命令。您会看到您的脚本在 Docker 容器中运行：

该脚本在运行工具窗口中启动。如您所见，运行工具窗口中的前缀显示了容器 ID。

切换到服务工具窗口以预览容器详细信息。展开Containers节点，您会发现具有相同 ID 的节点。

您可以切换到Log选项卡以查看执行结果。

---

在 Docker 容器中调试应用程序

接下来，让我们调试应用程序。为此，让我们在计算的行上放置一个断点d，单击装订线并选择Debug ‘Solver’。

正如您在调试工具窗口的控制台选项卡中看到的，调试器也在 Docker 容器中运行：

您还可以在“服务”工具窗口中发现它。但是，现在这个容器有一个不同的 id，因此 - 不同的名称。您可以切换到Log选项卡以查看执行状态。

当应用程序以任何方式执行时，PyCharm 创建一个新容器很重要。无论是运行、调试、覆盖运行、测试——每次执行都需要一个新容器！