前两篇分别学习了 Python 如何进行依赖的管理，以及结合虚拟环境来使用 pip 进行依赖管理。而有人觉得把 virtualenv 与 pip 分开来操作太麻烦了，而且 requirements.txt 描述依赖的方式十分笨拙，所以在前两者之上创建了 pipenv, 也谈不上重新发明了轮子吧。

3. Pipenv: 新一代依赖管理与虚拟环境

倘若不是经由 virtualenv, venv 而来到 pipenv，没有对比也就无法体会到 pipenv 的妙处的。pipenv 在总结了 virtualenv/venv 的缺点之后由 Kenneth Reitz 于 2017 年 1 月发布的新型 Python 依赖管理器。

1. 它不再需要单独用 virtualenv 和 pip，只要一条命令 pipenv 完成所有的事
2. 不用手动管理 requirements.txt 文件，而是由  pipenv 自动维护 Pipfile 和 Pipfile.lock 文件
3. 自动创建虚拟环境，并且虚拟环境与项目文件分离
4. 更详尽的依赖图(例如 pipenv graph)，像 mvn dependency:tree 那样显示依赖树
5. 控制台下输出颜色更丰富

Read More

原本想在一篇之内覆盖到 Python 的包管理以及各类虚拟环境的应用，没想根本就是一发不可收拾，恐怕两篇都完不了，所以也要进行重构。这里只涉及到 Python 的虚拟环境 venv 和 virtualenv，至于标题的话，也不想再改了，只作一，二，三编号，必要时仍能连缀成长篇。最后一篇将单独学习 pipenv 的应用。

以下序号也是承接上一篇 Python 包管理及虚拟环境的应用(一)。

2. Python 虚拟环境

关于创建 Python 项目的虚拟环境，有三个工具可用, venv, virtualenv, 以及后面单独要学到的 pipenv

1. venv , 即 python3 -m venv 命令，Python 3.3 及新版本自带了，为 Python 3.4 及以后的版本创建的虚拟环境会有 pip 和 setuptools 命令
2. virtualenv 需要单独安装，但是它支持 Python 2.7 和  Python 3.3+， 创建的虚拟环境中带有 pip, setuptools 和 wheel 命令
3. 另外，pyvenv 脚本也可用来创建 Python 虚拟环境，不过它自 Python 3.6 不推荐使用，建议用 python3 -m venv 命令

Read More

话说 Python 的哲学之一就是: 用一种方法，最好是只有一种方法来做一件事。可以用 python -m this 或在  python 交互界面下 import this 看到 The Zen of Python 有一句：

There should be one-- and preferably only one --obvious way to do it.

然而 Python 在关于包管理(依赖管理)一事上却让人面临了众多的选择。

即使是 Java 日趋发展庞大的今天，包管理工具也没有如今的 Python 复杂，Java 的包管理工具经历了手工下载 jar 包，Maven, Ant+Ivy, Gradle, sbt, 但主流的也就 Maven 和 Gradle, 并且它们兼具项目构建的功能。

这里有一个 Python 包管理工具变迁的视频: Kenneth Reitz - Pipenv: The Future of Python Dependency Management - PyCon 2018。再更早的 Python 依赖管理的方式不说，视频中提到了 Read More