1. 为什么需要绕开 pip 安装 Python 包在 Python 开发者的日常里pip install package_name几乎成了肌肉记忆。它方便、快捷是 Python 包生态的官方推荐安装器。但如果你只依赖这一条路那就像只会开自动挡的车一旦遇到特殊路况可能就束手无策了。我遇到过不少场景让我不得不去研究pip之外的安装方式。最常见的情况是离线环境。很多生产服务器、内网开发机或特定行业的工控设备出于安全考虑是完全与互联网隔离的。你没法直接pip install从 PyPI 拉取依赖。这时候你手里只有一个.whl文件或者一个源代码压缩包怎么把它装到系统里另一个场景是依赖冲突与版本锁定。pip在解决复杂依赖关系时有时会陷入“依赖地狱”尤其是在一个已经存在多个旧版本包的环境中直接安装可能会破坏现有功能。手动从源代码编译安装可以让你更精细地控制编译选项和链接的库版本。再者对于一些尚未发布到 PyPI 的包比如你从 GitHub 上git clone下来的某个前沿项目或者公司内部开发的私有工具库pip无法直接识别你需要知道如何从本地目录安装。理解这些“非标准”安装方式不仅能帮你解决上述棘手问题更能让你深入理解 Python 包的组成结构、分发机制以及 Python 的模块导入系统。这绝不仅仅是“不用 pip”这么简单而是掌握一项在复杂环境下部署和调试 Python 应用的底层能力。2. 从源代码压缩包安装最经典的手动方式这是最原始也最能体现“手动”精神的安装方法。通常你会在项目官网或 GitHub 的 Release 页面下载到一个.tar.gz或.zip文件。以你搜索词里的supervisor-3.3.1.tar.gz为例我们来完整走一遍流程。首先你需要解压这个压缩包。在 Linux 或 macOS 的终端里使用tar命令tar -zxvf supervisor-3.3.1.tar.gz这个命令中-z表示用 gzip 解压-x表示解包-v显示详细过程-f指定文件名。解压后你会得到一个supervisor-3.3.1的目录。进入这个目录cd supervisor-3.3.1现在关键的一步来了查看目录内容。你通常会看到这几个核心文件setup.py: 这是安装的“总指挥”定义了包的元数据名称、版本、作者、依赖关系以及如何构建和安装。setup.cfg: 一个配置文件可以包含setup.py的一些默认参数。pyproject.toml: 现代 Python 项目更推荐使用的配置文件遵循 PEP 518 和 621定义了构建系统的后端如 setuptools和项目元数据。README.md: 项目说明。项目源代码目录如src/或直接以包名命名的目录。传统的安装命令是python setup.py install这条命令会执行setup.py脚本中的install指令。它的内部流程大致是1) 运行build命令编译任何需要编译的扩展C/C模块2) 将编译好的包文件包括纯 Python 文件和二进制扩展复制到 Python 的site-packages目录下。这样这个包就对整个系统的 Python 解释器可用了。注意直接使用python setup.py install在现代 Python 开发中已被认为是一种“过时”的做法因为它会绕过 pip 的依赖解析和元数据记录可能导致依赖管理混乱。但在离线或特定调试场景下它仍然是最直接的手段。更现代、更推荐的方式是使用pip来“安装”这个本地目录这听起来有点矛盾但实际上是利用了pip对本地路径的支持pip install .这里的.就代表当前目录。pip会读取pyproject.toml或setup.py执行构建过程并像安装远程包一样处理依赖和元数据。这种方式比python setup.py install更规范因为它会生成.dist-info目录方便后续管理和卸载。实操心得在从源码安装前务必检查setup.py或pyproject.toml里声明的依赖。在离线环境下你需要提前准备好所有这些依赖包。一个常见的坑是包可能依赖setuptools或wheel来构建如果你的环境非常干净可能需要先手动安装这两个基础包。另外对于包含 C 扩展的包如numpy,pandas你需要确保系统已安装对应的编译工具链如gcc,python3-dev等否则编译会失败。3. 使用 Wheel 文件进行离线安装Wheel (.whl) 格式是 Python 包分发的“预编译”标准。它本质上是一个 ZIP 压缩包里面包含了已经为特定平台如linux_x86_64,win_amd64和 Python 版本如cp38表示 CPython 3.8编译好的文件。安装.whl文件速度极快因为它跳过了编译步骤。假设你在能联网的机器上下载了requests-2.28.1-py3-none-any.whl这个文件none-any表示它是纯 Python 的跨平台现在需要把它安装到离线机器上。方法非常简单直接使用pip指定文件路径即可pip install /path/to/requests-2.28.1-py3-none-any.whl或者如果你当前终端就在.whl文件所在目录pip install requests-2.28.1-py3-none-any.whl为什么推荐 Wheel速度快无需编译直接解压复制。可靠性高避免了在目标机器上编译可能因环境差异导致的失败。可缓存pip会缓存下载的 wheel 文件即使在线安装第二次也会快很多。如何获取 Wheel 文件从 PyPI 直接下载在 PyPI 项目页面通常有“Download files”选项卡里面会列出所有可用的发行版包括源码包和 wheel 包。使用 pip download在联网机器上使用pip download命令可以下载包及其所有依赖的 wheel 文件。pip download requests -d ./offline_packages这条命令会把requests和它依赖的所有包如urllib3,charset-normalizer等的 wheel 文件下载到./offline_packages目录。你可以将这个目录整个拷贝到离线环境。在离线环境批量安装将下载好的所有 wheel 文件放在一个目录如local_wheels然后使用pip install指定该目录并关闭索引--no-index强制它只从本地找。pip install --no-index --find-links./local_wheels requests这个命令会从./local_wheels目录中查找requests及其依赖并进行安装完全不需要网络。踩坑记录Wheel 文件有平台标签。如果你在 macOS 上下载了macosx_10_9_x86_64的 wheel拿到 Linux 服务器上是无法安装的。对于纯 Python 包标签含none-any则没有这个问题。所以在准备离线包时最好在与目标环境相同或兼容的系统上进行pip download。4. 利用 Conda 作为包与环境管理器conda是一个跨平台的语言无关的包、依赖和环境管理器。它不仅仅是 Python 的pip替代品还能管理非 Python 的库如 R 包、C 库。你搜索词里的conda创建新环境、conda下载、conda安装都指向了它的核心功能。为什么选择 Conda环境隔离conda create -n myenv python3.9可以快速创建一个完全独立的 Python 环境与系统环境和其他项目环境隔离完美解决依赖冲突。管理二进制依赖对于科学计算栈如 NumPy, SciPy, TensorFlow, PyTorch这些包依赖复杂的底层数学库如 BLAS, LAPACK。conda会一并管理这些二进制依赖确保它们版本兼容且针对当前系统优化避免了从源码编译的繁琐和错误。跨语言如果你的项目混合了 Python 和 Rconda可以统一管理。不使用 pip用 Conda 安装包创建并激活环境conda create -n my_project python3.8 conda activate my_project从默认频道安装包conda install numpy pandas从特定频道安装比如社区维护的conda-forge频道通常包版本更新。conda install -c conda-forge tensorflow离线安装conda同样支持离线。你可以使用conda pack将一个环境打包成.tar.gz文件然后在离线机器上解压激活。或者在联网机器上用conda create克隆环境然后将整个envs/目录拷贝过去。与 pip 的混合使用及注意事项 虽然conda很强大但 PyPI 的包数量远多于 Conda 频道。有时你不得不在conda环境里使用pip。但这是一个需要小心的操作。# 在 conda 激活的环境中 conda install numpy # 用 conda 安装基础包 pip install some-pypi-only-package # 用 pip 安装 conda 没有的包重要警告尽量避免在同一个环境里混用conda install和pip install来安装同一个包也尽量避免用pip去安装那些已经被conda管理了底层依赖的包如scipy,matplotlib。这可能导致依赖关系被破坏环境变得不稳定。最佳实践是优先使用conda安装对于conda没有的包再用pip安装并且记录在environment.yml中。对于你搜索到的错误condaerror: run conda init before conda activate这是因为conda没有正确初始化 shell。你需要运行conda init bash如果你用的是 bash或conda init zsh然后重新打开终端。5. 通过 Git 仓库直接安装对于活跃在 GitHub、GitLab 等平台上的开源项目特别是处于开发阶段或尚未正式发布的项目直接从 Git 仓库安装是最快捷的方式。使用pip可以直接从 Git 安装pip install githttps://github.com/username/repository.git如果你想安装特定分支pip install githttps://github.com/username/repository.gitbranch_name或者安装特定标签版本pip install githttps://github.com/username/repository.gitv1.0.0甚至指定某个提交哈希pip install githttps://github.com/username/repository.gita1b2c3d底层发生了什么pip会执行以下步骤1) 克隆仓库到临时目录2) 检查你指定的引用分支/标签/提交3) 运行python -m pip install .来安装当前检出的代码。这本质上还是调用了项目的构建系统setup.py或pyproject.toml。进阶用法可编辑模式安装在开发自己的包或深度参与某个开源项目时你会需要“可编辑模式”editable mode安装。pip install -e githttps://github.com/username/repository.git#eggpackage_name或者更常见的当你已经把代码克隆到本地git clone https://github.com/username/repository.git cd repository pip install -e .-e参数代表“editable”。它不会将包文件复制到site-packages而是在那里创建一个链接一个.pth文件指向你的本地源代码目录。这样你在本地对代码的任何修改都会立即反映到导入的包中无需重新安装。这对于调试和开发来说是必不可少的。实操心得从 Git 安装时务必确认仓库根目录存在有效的pyproject.toml或setup.py文件否则pip会报错。另外如果项目使用了子模块submodule你可能需要额外处理。对于私有仓库你可能需要配置 SSH 密钥或使用个人访问令牌PAT来替代 HTTPS 链接。6. 系统包管理器集成安装在 Linux 系统或 macOS使用 Homebrew上一些流行的 Python 包也被打包进了系统本身的软件仓库。你可以使用apt(Debian/Ubuntu)、yum/dnf(RHEL/CentOS/Fedora) 或brew(macOS) 来安装。例如在 Ubuntu 上安装 Python 3 的pip工具本身sudo apt update sudo apt install python3-pip安装python3-venv来创建虚拟环境sudo apt install python3-venv甚至安装一些 Python 库sudo apt install python3-requests python3-numpy这种方式的优缺点优点集成性好安装的包与系统其他部分一起被管理更新和卸载都通过系统包管理器。稳定性高发行版仓库中的版本通常是经过充分测试的、较旧的稳定版适合对稳定性要求极高的生产服务器。自动解决系统依赖如果 Python 包依赖某个系统库如libjpeg系统包管理器会一并安装。缺点版本陈旧仓库中的版本可能比 PyPI 上的最新版落后很多无法使用新特性。选择有限只有少数常用包被打包绝大多数 Python 包无法通过这种方式安装。环境冲突它安装到系统全局的 Python 目录无法进行项目级别的环境隔离。因此我的建议是将系统包管理器安装的 Python 和pip视为“基础运行时”。对于具体的项目依赖强烈建议在虚拟环境venv或conda中使用pip或其他方式安装以获得灵活的版本控制和环境隔离。7. 手动集成终极控制方案当你需要对安装过程有百分百的控制权或者要安装的只是一个简单的单文件模块时可以采取最直接的方式——手动复制。场景一安装单文件模块假设你写了一个工具脚本my_utils.py想在多个项目中使用。你可以找到当前 Python 环境的site-packages目录。可以通过在 Python 交互环境中输入以下命令找到import site; print(site.getsitepackages())将my_utils.py直接复制到其中一个列出的路径通常是第一个中。或者更规范的做法是将其复制到一个以你希望导入的包名命名的目录中例如my_tools/my_utils.py然后将整个my_tools目录复制到site-packages。场景二深度定制安装路径有时你需要将 Python 包安装到非标准路径比如一个共享的网络位置或者一个没有写入权限的系统site-packages目录时的用户目录。使用pip的--target选项pip install --target/some/custom/path package_name然后你需要在运行时通过修改PYTHONPATH环境变量来让 Python 解释器找到这个路径export PYTHONPATH/some/custom/path:$PYTHONPATH使用setup.py的--prefix选项如果使用python setup.py installpython setup.py install --prefix/some/custom/path场景三开发中的“链接”式安装除了pip install -e .在类 Unix 系统上你还可以使用符号链接symlink。将你的项目源码目录链接到site-packages下ln -s /path/to/your/project /path/to/python/site-packages/project_name这与-e模式效果类似但更“原始”。Windows 上可以使用目录联接mklink /J实现类似效果。警告手动操作site-packages是高风险行为。错误的删除或覆盖可能导致多个 Python 应用崩溃。在进行任何操作前强烈建议先激活一个虚拟环境在这个隔离的环境中进行试验。永远不要随意操作系统全局的site-packages。掌握这些“不用 pip”的方法并非为了标新立异而是为了在pip这条高速公路堵车或不通时你还有多条乡间小道可以抵达目的地。它们让你从被动的包使用者变成了主动的环境管理者。下次再遇到网络隔离、依赖冲突或者需要深度定制时希望这些方法能帮你从容应对。
Python包安装进阶指南：离线环境、源码编译与Conda管理
发布时间：2026/7/31 5:08:46
1. 为什么需要绕开 pip 安装 Python 包在 Python 开发者的日常里pip install package_name几乎成了肌肉记忆。它方便、快捷是 Python 包生态的官方推荐安装器。但如果你只依赖这一条路那就像只会开自动挡的车一旦遇到特殊路况可能就束手无策了。我遇到过不少场景让我不得不去研究pip之外的安装方式。最常见的情况是离线环境。很多生产服务器、内网开发机或特定行业的工控设备出于安全考虑是完全与互联网隔离的。你没法直接pip install从 PyPI 拉取依赖。这时候你手里只有一个.whl文件或者一个源代码压缩包怎么把它装到系统里另一个场景是依赖冲突与版本锁定。pip在解决复杂依赖关系时有时会陷入“依赖地狱”尤其是在一个已经存在多个旧版本包的环境中直接安装可能会破坏现有功能。手动从源代码编译安装可以让你更精细地控制编译选项和链接的库版本。再者对于一些尚未发布到 PyPI 的包比如你从 GitHub 上git clone下来的某个前沿项目或者公司内部开发的私有工具库pip无法直接识别你需要知道如何从本地目录安装。理解这些“非标准”安装方式不仅能帮你解决上述棘手问题更能让你深入理解 Python 包的组成结构、分发机制以及 Python 的模块导入系统。这绝不仅仅是“不用 pip”这么简单而是掌握一项在复杂环境下部署和调试 Python 应用的底层能力。2. 从源代码压缩包安装最经典的手动方式这是最原始也最能体现“手动”精神的安装方法。通常你会在项目官网或 GitHub 的 Release 页面下载到一个.tar.gz或.zip文件。以你搜索词里的supervisor-3.3.1.tar.gz为例我们来完整走一遍流程。首先你需要解压这个压缩包。在 Linux 或 macOS 的终端里使用tar命令tar -zxvf supervisor-3.3.1.tar.gz这个命令中-z表示用 gzip 解压-x表示解包-v显示详细过程-f指定文件名。解压后你会得到一个supervisor-3.3.1的目录。进入这个目录cd supervisor-3.3.1现在关键的一步来了查看目录内容。你通常会看到这几个核心文件setup.py: 这是安装的“总指挥”定义了包的元数据名称、版本、作者、依赖关系以及如何构建和安装。setup.cfg: 一个配置文件可以包含setup.py的一些默认参数。pyproject.toml: 现代 Python 项目更推荐使用的配置文件遵循 PEP 518 和 621定义了构建系统的后端如 setuptools和项目元数据。README.md: 项目说明。项目源代码目录如src/或直接以包名命名的目录。传统的安装命令是python setup.py install这条命令会执行setup.py脚本中的install指令。它的内部流程大致是1) 运行build命令编译任何需要编译的扩展C/C模块2) 将编译好的包文件包括纯 Python 文件和二进制扩展复制到 Python 的site-packages目录下。这样这个包就对整个系统的 Python 解释器可用了。注意直接使用python setup.py install在现代 Python 开发中已被认为是一种“过时”的做法因为它会绕过 pip 的依赖解析和元数据记录可能导致依赖管理混乱。但在离线或特定调试场景下它仍然是最直接的手段。更现代、更推荐的方式是使用pip来“安装”这个本地目录这听起来有点矛盾但实际上是利用了pip对本地路径的支持pip install .这里的.就代表当前目录。pip会读取pyproject.toml或setup.py执行构建过程并像安装远程包一样处理依赖和元数据。这种方式比python setup.py install更规范因为它会生成.dist-info目录方便后续管理和卸载。实操心得在从源码安装前务必检查setup.py或pyproject.toml里声明的依赖。在离线环境下你需要提前准备好所有这些依赖包。一个常见的坑是包可能依赖setuptools或wheel来构建如果你的环境非常干净可能需要先手动安装这两个基础包。另外对于包含 C 扩展的包如numpy,pandas你需要确保系统已安装对应的编译工具链如gcc,python3-dev等否则编译会失败。3. 使用 Wheel 文件进行离线安装Wheel (.whl) 格式是 Python 包分发的“预编译”标准。它本质上是一个 ZIP 压缩包里面包含了已经为特定平台如linux_x86_64,win_amd64和 Python 版本如cp38表示 CPython 3.8编译好的文件。安装.whl文件速度极快因为它跳过了编译步骤。假设你在能联网的机器上下载了requests-2.28.1-py3-none-any.whl这个文件none-any表示它是纯 Python 的跨平台现在需要把它安装到离线机器上。方法非常简单直接使用pip指定文件路径即可pip install /path/to/requests-2.28.1-py3-none-any.whl或者如果你当前终端就在.whl文件所在目录pip install requests-2.28.1-py3-none-any.whl为什么推荐 Wheel速度快无需编译直接解压复制。可靠性高避免了在目标机器上编译可能因环境差异导致的失败。可缓存pip会缓存下载的 wheel 文件即使在线安装第二次也会快很多。如何获取 Wheel 文件从 PyPI 直接下载在 PyPI 项目页面通常有“Download files”选项卡里面会列出所有可用的发行版包括源码包和 wheel 包。使用 pip download在联网机器上使用pip download命令可以下载包及其所有依赖的 wheel 文件。pip download requests -d ./offline_packages这条命令会把requests和它依赖的所有包如urllib3,charset-normalizer等的 wheel 文件下载到./offline_packages目录。你可以将这个目录整个拷贝到离线环境。在离线环境批量安装将下载好的所有 wheel 文件放在一个目录如local_wheels然后使用pip install指定该目录并关闭索引--no-index强制它只从本地找。pip install --no-index --find-links./local_wheels requests这个命令会从./local_wheels目录中查找requests及其依赖并进行安装完全不需要网络。踩坑记录Wheel 文件有平台标签。如果你在 macOS 上下载了macosx_10_9_x86_64的 wheel拿到 Linux 服务器上是无法安装的。对于纯 Python 包标签含none-any则没有这个问题。所以在准备离线包时最好在与目标环境相同或兼容的系统上进行pip download。4. 利用 Conda 作为包与环境管理器conda是一个跨平台的语言无关的包、依赖和环境管理器。它不仅仅是 Python 的pip替代品还能管理非 Python 的库如 R 包、C 库。你搜索词里的conda创建新环境、conda下载、conda安装都指向了它的核心功能。为什么选择 Conda环境隔离conda create -n myenv python3.9可以快速创建一个完全独立的 Python 环境与系统环境和其他项目环境隔离完美解决依赖冲突。管理二进制依赖对于科学计算栈如 NumPy, SciPy, TensorFlow, PyTorch这些包依赖复杂的底层数学库如 BLAS, LAPACK。conda会一并管理这些二进制依赖确保它们版本兼容且针对当前系统优化避免了从源码编译的繁琐和错误。跨语言如果你的项目混合了 Python 和 Rconda可以统一管理。不使用 pip用 Conda 安装包创建并激活环境conda create -n my_project python3.8 conda activate my_project从默认频道安装包conda install numpy pandas从特定频道安装比如社区维护的conda-forge频道通常包版本更新。conda install -c conda-forge tensorflow离线安装conda同样支持离线。你可以使用conda pack将一个环境打包成.tar.gz文件然后在离线机器上解压激活。或者在联网机器上用conda create克隆环境然后将整个envs/目录拷贝过去。与 pip 的混合使用及注意事项 虽然conda很强大但 PyPI 的包数量远多于 Conda 频道。有时你不得不在conda环境里使用pip。但这是一个需要小心的操作。# 在 conda 激活的环境中 conda install numpy # 用 conda 安装基础包 pip install some-pypi-only-package # 用 pip 安装 conda 没有的包重要警告尽量避免在同一个环境里混用conda install和pip install来安装同一个包也尽量避免用pip去安装那些已经被conda管理了底层依赖的包如scipy,matplotlib。这可能导致依赖关系被破坏环境变得不稳定。最佳实践是优先使用conda安装对于conda没有的包再用pip安装并且记录在environment.yml中。对于你搜索到的错误condaerror: run conda init before conda activate这是因为conda没有正确初始化 shell。你需要运行conda init bash如果你用的是 bash或conda init zsh然后重新打开终端。5. 通过 Git 仓库直接安装对于活跃在 GitHub、GitLab 等平台上的开源项目特别是处于开发阶段或尚未正式发布的项目直接从 Git 仓库安装是最快捷的方式。使用pip可以直接从 Git 安装pip install githttps://github.com/username/repository.git如果你想安装特定分支pip install githttps://github.com/username/repository.gitbranch_name或者安装特定标签版本pip install githttps://github.com/username/repository.gitv1.0.0甚至指定某个提交哈希pip install githttps://github.com/username/repository.gita1b2c3d底层发生了什么pip会执行以下步骤1) 克隆仓库到临时目录2) 检查你指定的引用分支/标签/提交3) 运行python -m pip install .来安装当前检出的代码。这本质上还是调用了项目的构建系统setup.py或pyproject.toml。进阶用法可编辑模式安装在开发自己的包或深度参与某个开源项目时你会需要“可编辑模式”editable mode安装。pip install -e githttps://github.com/username/repository.git#eggpackage_name或者更常见的当你已经把代码克隆到本地git clone https://github.com/username/repository.git cd repository pip install -e .-e参数代表“editable”。它不会将包文件复制到site-packages而是在那里创建一个链接一个.pth文件指向你的本地源代码目录。这样你在本地对代码的任何修改都会立即反映到导入的包中无需重新安装。这对于调试和开发来说是必不可少的。实操心得从 Git 安装时务必确认仓库根目录存在有效的pyproject.toml或setup.py文件否则pip会报错。另外如果项目使用了子模块submodule你可能需要额外处理。对于私有仓库你可能需要配置 SSH 密钥或使用个人访问令牌PAT来替代 HTTPS 链接。6. 系统包管理器集成安装在 Linux 系统或 macOS使用 Homebrew上一些流行的 Python 包也被打包进了系统本身的软件仓库。你可以使用apt(Debian/Ubuntu)、yum/dnf(RHEL/CentOS/Fedora) 或brew(macOS) 来安装。例如在 Ubuntu 上安装 Python 3 的pip工具本身sudo apt update sudo apt install python3-pip安装python3-venv来创建虚拟环境sudo apt install python3-venv甚至安装一些 Python 库sudo apt install python3-requests python3-numpy这种方式的优缺点优点集成性好安装的包与系统其他部分一起被管理更新和卸载都通过系统包管理器。稳定性高发行版仓库中的版本通常是经过充分测试的、较旧的稳定版适合对稳定性要求极高的生产服务器。自动解决系统依赖如果 Python 包依赖某个系统库如libjpeg系统包管理器会一并安装。缺点版本陈旧仓库中的版本可能比 PyPI 上的最新版落后很多无法使用新特性。选择有限只有少数常用包被打包绝大多数 Python 包无法通过这种方式安装。环境冲突它安装到系统全局的 Python 目录无法进行项目级别的环境隔离。因此我的建议是将系统包管理器安装的 Python 和pip视为“基础运行时”。对于具体的项目依赖强烈建议在虚拟环境venv或conda中使用pip或其他方式安装以获得灵活的版本控制和环境隔离。7. 手动集成终极控制方案当你需要对安装过程有百分百的控制权或者要安装的只是一个简单的单文件模块时可以采取最直接的方式——手动复制。场景一安装单文件模块假设你写了一个工具脚本my_utils.py想在多个项目中使用。你可以找到当前 Python 环境的site-packages目录。可以通过在 Python 交互环境中输入以下命令找到import site; print(site.getsitepackages())将my_utils.py直接复制到其中一个列出的路径通常是第一个中。或者更规范的做法是将其复制到一个以你希望导入的包名命名的目录中例如my_tools/my_utils.py然后将整个my_tools目录复制到site-packages。场景二深度定制安装路径有时你需要将 Python 包安装到非标准路径比如一个共享的网络位置或者一个没有写入权限的系统site-packages目录时的用户目录。使用pip的--target选项pip install --target/some/custom/path package_name然后你需要在运行时通过修改PYTHONPATH环境变量来让 Python 解释器找到这个路径export PYTHONPATH/some/custom/path:$PYTHONPATH使用setup.py的--prefix选项如果使用python setup.py installpython setup.py install --prefix/some/custom/path场景三开发中的“链接”式安装除了pip install -e .在类 Unix 系统上你还可以使用符号链接symlink。将你的项目源码目录链接到site-packages下ln -s /path/to/your/project /path/to/python/site-packages/project_name这与-e模式效果类似但更“原始”。Windows 上可以使用目录联接mklink /J实现类似效果。警告手动操作site-packages是高风险行为。错误的删除或覆盖可能导致多个 Python 应用崩溃。在进行任何操作前强烈建议先激活一个虚拟环境在这个隔离的环境中进行试验。永远不要随意操作系统全局的site-packages。掌握这些“不用 pip”的方法并非为了标新立异而是为了在pip这条高速公路堵车或不通时你还有多条乡间小道可以抵达目的地。它们让你从被动的包使用者变成了主动的环境管理者。下次再遇到网络隔离、依赖冲突或者需要深度定制时希望这些方法能帮你从容应对。
