macOS 彻底卸载 Python 的完整指南

macOS 彻底卸载 Python 的完整指南

在这里插入图片描述

在这里插入图片描述

macOS 彻底卸载 Python 的完整指南


macOS 彻底卸载 Python 的完整指南

在 macOS 上安全卸载 Python 需要谨慎操作,因为系统自带 Python 2.7(在 macOS Monterey 及更早版本中),且卸载不当可能影响系统稳定性。以下是专业级卸载方案:


⚠️ 重要警告

不要卸载系统自带的 Python 2.7!macOS 系统工具(如软件更新、部分命令行工具)依赖它。本指南仅针对用户自行安装的 Python 版本。


🔍 卸载前检查

# 查看所有 Python 安装路径which-a python python3 # 检查 Python 版本 python --version python3 --version# 查看 Homebrew 安装的 Python brew list |grep python 

🗑️ 卸载方法(按安装方式)

1. 卸载 Homebrew 安装的 Python

# 卸载 Python 3 brew uninstall [email protected] [email protected] [email protected] [email protected] # 删除关联的链接 brew unlink [email protected] # 清理残留文件 brew cleanup -s [email protected] # 删除可能存在的配置文件rm-rf /usr/local/bin/python3* rm-rf /usr/local/bin/pip3* rm-rf /usr/local/bin/pyenv* 

2. 卸载官方 pkg 安装的 Python

# 删除主程序sudorm-rf /Library/Frameworks/Python.framework # 删除应用sudorm-rf /Applications/Python\3.* # 删除环境变量配置nano ~/.bash_profile nano ~/.zshrc # 删除类似以下行:# export PATH="/Library/Frameworks/Python.framework/Versions/3.11/bin:${PATH}"# 删除残留文件sudorm-rf /usr/local/bin/python3 sudorm-rf ~/Library/Python/3.* 

3. 卸载 pyenv 管理的 Python

# 查看已安装版本 pyenv versions # 卸载特定版本 pyenv uninstall 3.11.4 # 完全移除 pyenvrm-rf ~/.pyenv # 清理 shell 配置文件# 从 ~/.bash_profile, ~/.zshrc 等文件中删除 pyenv 相关行

4. 卸载 Miniconda/Anaconda

# 官方卸载方法 conda install anaconda-clean anaconda-clean --yesrm-rf ~/anaconda3 rm-rf ~/miniconda3 rm-rf ~/.conda rm-rf ~/.condarc 

🧹 全面清理残留文件

# 删除缓存和配置rm-rf ~/Library/Caches/pip rm-rf ~/.pip rm-rf ~/.python_history rm-rf ~/.cache/pip # 删除虚拟环境rm-rf ~/.virtualenvs rm-rf ~/.venv rm-rf ~/Envs # 删除系统级残留sudorm-rf /Library/Python # 注意:系统自带的不在此路径sudorm-rf /Library/Frameworks/Python.framework 

🔄 恢复系统默认 Python 环境

# 检查默认 Pythonwhich python # 应指向 /usr/bin/python (系统自带)which python3 # 应返回 "not found"# 重建命令缓存sudo /usr/libexec/path_helper 

💡 最佳实践:使用虚拟环境

未来安装 Python 时建议:

始终在虚拟环境中安装包

python -m venv myenv source myenv/bin/activate pip install package 

使用 pyenv 管理多版本

brew install pyenv pyenv install3.11.4 pyenv global 3.11.4 

使用 Homebrew 安装

brew install [email protected] 

⚠️ 特殊情况处理

误删系统 Python 的恢复方法

# 从 macOS 恢复分区获取sudocp /Volumes/macOS\ Base\ System/usr/bin/python2.7 /usr/bin/python sudoln-s /usr/bin/python /usr/bin/python2 

📊 卸载后验证

# 检查 Python 命令command-v python python3 # 检查残留文件 mdfind -name python |grep-v"/System/" mdfind -name pip |grep-v"/System/"# 检查环境变量echo$PATH|tr':''\n'|grep python 

通过以上步骤,您可以安全地移除用户安装的 Python 版本,同时保留 macOS 系统自带的 Python 2.7 环境。操作前建议备份重要数据!


Read more

【Python基础】(五)Python 库使用全攻略:从标准库到第三方库,让开发效率翻倍

【Python基础】(五)Python 库使用全攻略:从标准库到第三方库,让开发效率翻倍

目录 编辑 前言 一、Python 库的核心认知:什么是库?为什么要用库? 1.1 库的本质:现成的 "代码工具箱" 1.2 库的分类:标准库 vs 第三方库 (1)标准库:Python 自带的 "基础工具箱" (2)第三方库:全球开发者共建的 "扩展工具箱" 1.3 使用库的核心优势:效率翻倍的关键 二、标准库实战:内置工具的高效用法 2.1 日期时间处理:datetime库(计算日期差、格式转换) 实战需求:计算你和心爱的人认识多少天 扩展用法:

By Ne0inhk

如何解决Python pip Error “Preparing metadata (pyproject.toml) did not run successfully“

Python pip Error Preparing metadata pyproject.toml did not run successfully * 现象 * 发现 * 解决方法 * NumPy与Python版本兼容表 现象 python版本为3.13.5,自动安装numpy时发生报错 发现 在报错末尾我们发现有段日志 ninja: build stopped: subcommand failed. 我查到ninja是一种编译工具,类似cmake,而ninja更新速度,可能自动安装的版本numpy版本太高,所以即便是最新的ninja,也无法编译最新的numpy,从而报错。 解决方法 降低numpy的版本 NumPy与Python版本兼容表 NumPy版本兼容的Python版本>2.13.151.26.03.9-3.121.25.03.9-3.111.

By Ne0inhk
Python中一切皆对象:深入理解Python的对象模型

Python中一切皆对象:深入理解Python的对象模型

Python中一切皆对象:深入理解Python的对象模型 * 什么是"一切皆对象"? * Python对象的类型层次 * 1. 内置类型对象 * 2. 函数对象 * 3. 类对象和实例对象 * 4. 模块对象 * 对象行为的统一性 * 特殊方法:对象行为的背后 * 对象模型的实际应用 * 性能考虑 * 总结 Python以其"一切皆对象"的设计哲学而闻名,这种设计为语言带来了极大的灵活性和一致性。本文将深入探讨Python的对象模型,解释为什么说"Python中一切皆对象",并通过实例展示这一特性如何影响我们的编程方式。 什么是"一切皆对象"? 在Python中,从简单的数字、字符串到复杂的函数、类甚至模块,所有这些都是对象。这意味着它们都有: 1. 身份(identity):对象在内存中的唯一地址,可通过id()函数获取 2.

By Ne0inhk
IPIDEA网页抓取API实战:全自动化实现eBay商品数据采集与Python接入

IPIDEA网页抓取API实战:全自动化实现eBay商品数据采集与Python接入

前言:跨境电商数据采集痛点与需求 随着跨境电商、数据驱动决策以及AI模型训练的需求不断增长,开发者与企业需要稳定、合规、可规模化 的网页数据抓取方案。但实际落地往往困难重重:高强度抓取、IP无法访问、JS渲染、数据格式不统一,这些让数据采集的技术门槛与成本居高不下。本篇将带你实操IPIDEA网页抓取API,并构建一个 可直接投入使用的eBay商品信息采集工具,一步步完成抓取、解析到下载的全过程,帮助你快速掌握全球电商数据采集的核心方法。 为什么需要网页抓取API 在跨境电商运营、市场竞品调研、AI模型训练等核心业务场景中,企业与开发者往往需要获取公开的电商商品信息、竞品动态等关键数据,但直接开展数据采集工作会面临三大核心痛点: 抓取门槛居高不下:Amazon、eBay等主流平台普遍部署了验证码校验、IP访问管理、JS动态渲染等多重抓取机制,若自研抓取系统,不仅需要持续投入人力进行技术突破与迭代,还会面临采集稳定性差、数据获取中断等问题,综合成本居高不下 合规风险难以规避:未经合规授权的公开数据采集行为,容易触碰GDPR、CCPA等国际数据合规法规;同时普通代理IP无法满足 “

By Ne0inhk