本文介绍了在 Python 开发中自动生成 requirements.txt 文件的多种方法，包括 pip freeze、pipreqs、conda 导出及 poetry export 等命令。详细对比了不同工具的适用场景，强调了虚拟环境隔离的重要性，并提供了生产环境依赖管理的最佳实践，如排除开发依赖、版本锁定及安全审计，确保项目依赖的可复现性与协作效率。
在 Python 开发中，依赖管理是项目可维护性和可复现性的关键环节。一个清晰、准确的 requirements.txt 文件能够记录项目所依赖的所有第三方库及其版本，确保团队成员或部署环境可以一键安装所需依赖，避免'在我机器上能跑'的问题。
手动编写依赖列表容易遗漏或误写版本号，而通过工具自动生成则更加高效且可靠。最常用的方法是使用 pip freeze 命令，它会输出当前虚拟环境中所有已安装包的名称和版本。
# 激活虚拟环境后执行 pip freeze > requirements.txt
flask==2.3.3
requests==2.31.0
numpy==1.24.3
该命令将当前环境中所有通过 pip 安装的包导出至 requirements.txt 文件中，适用于生产环境部署与 CI/CD 流程集成。
pipreqs 等工具仅导出实际使用的依赖| 工具 | 命令 | 适用场景 |
|---|---|---|
| pip freeze | pip freeze > requirements.txt | 导出全部已安装包 |
| pipreqs | pipreqs ./project | 仅分析代码引用的包 |
自动化生成不仅提升效率，更增强了项目的可移植性与协作性，是现代 Python 工程化不可或缺的一环。
pip freeze 是 Python 包管理中用于生成当前环境中已安装包及其精确版本号的标准命令。它读取 site-packages 目录下各包的元数据，按字母顺序输出 包名==版本号 格式的列表。
# 导出当前环境所有依赖
pip freeze > requirements.txt
# 查看输出示例
Django==4.2.7
requests==2.31.0
wheel==0.41.2
该命令适用于全局环境或激活的虚拟环境，确保项目依赖可复现。输出文件常用于协作开发和 CI/CD 流程。
pip install 安装的包，不包括依赖的依赖（若未显式安装）requirements.txt在日常开发中，快速导出 Python 环境中已安装的包列表是环境迁移或依赖管理的重要步骤。pip list 命令可列出所有已安装包及其版本，但仅在终端显示并不便于保存或进一步处理。
通过结合 shell 的重定向操作符，可将 pip list 的输出保存为文本文件：
pip list > packages.txt
该命令将包名与版本信息写入当前目录下的 packages.txt 文件，适用于生成可读性较强的依赖清单。
若需构建标准的 requirements.txt，推荐使用冻结功能：
pip freeze > requirements.txt
此方式仅输出通过 pip 安装的包及其精确版本，确保环境重建时的一致性，常用于生产部署。
> 覆盖写入目标文件>> 追加内容至文件末尾在 Python 项目中，常因虚拟环境累积大量未使用依赖，导致 requirements.txt 包含冗余包。pipreqs 通过静态分析源码导入语句，仅识别项目中显式引用的第三方库，从而精准生成实际依赖列表。
pipreqs 扫描项目目录下所有 .py 文件，解析 AST（抽象语法树）提取 import 和 from 语句，过滤出第三方包名，再通过 PyPI 查询对应包名，最终输出最小依赖集。
pipreqs ./project --encoding=utf8 --force
参数说明：--encoding=utf8 指定文件编码；--force 强制覆盖已存在的 requirements.txt。该命令将生成仅包含项目真实使用的依赖清单，避免手动维护遗漏或冗余。
在 conda 环境中，导出依赖关系是项目可复现性的关键步骤。最常用的命令是 conda env export，可生成包含所有通道和版本约束的环境配置。
conda env export --name myenv > environment.yml
该命令将名为 myenv 的环境导出为 environment.yml 文件。参数 --name 指定环境名，重定向符 > 将输出写入文件。若需排除构建号以增强跨平台兼容性，建议添加 --no-builds 选项：
conda env export --name myenv --no-builds > environment.yml
构建号（如 .0, .h123abc）常导致不同系统间依赖解析失败，去除后提升可移植性。
也可使用 conda list --export 导出包列表：
conda list --export > requirements.txt
此方式仅保存包名与版本，不包含通道信息，适用于轻量级场景，但功能弱于完整环境导出。
environment.yml 格式进行团队协作在现代 Python 项目中，Poetry 已成为主流的依赖管理工具。然而，在某些部署环境或 CI/CD 流程中，仍需使用传统的 requirements.txt 文件。此时，可通过 poetry export 命令实现依赖格式的兼容转换。
poetry export -f requirements.txt --output requirements.txt
该命令将当前项目的依赖项导出为标准格式的 requirements.txt。参数说明：
-f requirements.txt：指定输出格式；--output：定义输出文件路径，若省略可直接重定向到文件。--without-hashes：避免输出依赖哈希值，提升可读性；--with-credentials：包含私有源认证信息（谨慎使用）；--dev：同时导出开发依赖。此方法确保了项目在不同工具链间的平滑迁移与协作兼容性。
在多项目共存的开发环境中，全局 Python 包易引发版本冲突。虚拟环境通过进程级隔离，为每个项目提供独立的 site-packages 和解释器路径。
# 创建隔离环境
python -m venv myproject_env
# 激活（Linux/macOS）
source myproject_env/bin/activate
# 激活（Windows）
myproject_env\Scripts\activate.bat
该命令生成独立的 bin/（或 Scripts/）目录，其中 python 和 pip 均绑定至当前环境路径，确保 pip install 仅影响本环境。
| 维度 | 全局环境 | 虚拟环境 |
|---|---|---|
| 包可见性 | 所有项目共享 | 仅当前环境可见 |
| 升级风险 | 可能破坏其他项目 | 完全隔离，零影响 |
使用 venv 模块创建独立的 Python 运行环境，避免依赖冲突。执行以下命令：
python -m venv myproject_env
该命令生成包含独立解释器和 pip 的目录 myproject_env，确保项目依赖隔离。
在 Linux/macOS 系统中运行：
source myproject_env/bin/activate
Windows 用户使用：
myproject_env\Scripts\activate
激活后，通过 pip install 安装所需包，例如：
pip install requests flask
使用 pip freeze 将当前环境的包版本导出为标准格式：
pip freeze > requirements.txt
生成的文件内容类似：
| 包名 | 版本号 |
|---|---|
| Flask | 2.3.3 |
| requests | 2.31.0 |
此文件可用于在其他环境中精确还原依赖。
在项目开发中，为避免不同项目的依赖冲突，使用 Conda 创建隔离环境是最佳实践。首先通过命令创建独立环境：
# 创建名为 myproject 的新环境，并安装 Python 3.9
conda create -n myproject python=3.9
# 激活该环境
conda activate myproject
# 安装常用数据科学包
conda install numpy pandas scikit-learn
上述命令中，-n 指定环境名称，python=3.9 锁定语言版本，确保环境一致性。安装完成后，可导出当前环境的依赖配置：
# 导出环境依赖至 environment.yml
conda env export > environment.yml
该文件包含精确的包版本和通道信息，便于在其他机器重建相同环境。协作时，团队成员仅需执行 conda env create -f environment.yml 即可复现完整依赖。
| 字段 | 说明 |
|---|---|
| name | 环境名称 |
| dependencies | 包含所有包及其版本 |
| prefix | 环境路径（可删除以跨平台共享） |
在构建生产级应用时，需确保部署环境中仅包含运行所需的依赖包，避免引入开发工具或测试库带来的安全与性能隐患。
通过 pipenv 可分离开发与生产依赖。执行以下命令生成仅含生产包的 requirements.txt：
pipenv requirements --deploy --strip-comments > requirements.txt
该命令仅导出 Pipfile 中 [packages] 部分的依赖，忽略 [dev-packages]，确保生产环境纯净。
可借助如下表格对比不同导出方式的结果：
| 命令 | 包含开发依赖 | 适用场景 |
|---|---|---|
| pipenv requirements | 是 | 本地开发 |
| pipenv requirements --deploy | 否 | 生产部署 |
在现代软件开发中，依赖管理是确保项目稳定性的关键环节。当多个库依赖同一组件的不同版本时，版本冲突便可能发生。
在 Python 中，使用 requirements.txt 中的 == 指令可明确指定版本：
django==5.0.2
requests==2.31.0
上述代码强制使用指定版本，避免间接依赖引入不兼容更新。通过语义化版本控制自动选择最小版本，确保构建可重现。
当不同模块要求同一依赖的不兼容版本时，可通过 constraints.txt 统一版本路径：
-r requirements.txt
-django>=4.0,<5.0
该机制允许开发者手动干预版本选择，强制所有引用指向一个经过验证的版本，从而消除运行时行为不一致的风险。
在现代 Python 项目中，依赖管理不仅需要精确，还需具备可读性与可维护性。通过工具自动生成带有注释和逻辑分组的 requirements.txt 文件，能显著提升协作效率。
通过 pip-compile 工具，可以从 requirements.in 生成锁定版本的依赖文件，并支持分组注释：
# requirements.in
# 主要依赖
django==5.0.*
djangorestframework
# 开发依赖
-r requirements-dev.in
# 部署依赖
gunicorn
上述结构允许将不同环境的依赖分离，提高可读性。
执行 pip-compile --generate-hashes --output-file=requirements.txt requirements.in 后，生成的文件自动包含版本哈希与来源注释：
# This file is autogenerated by pip-compile
# To update, run: pip-compile --generate-hashes requirements.in
django==5.0.2 \
--hash=sha256:... # via -r requirements.in
该机制确保依赖可复现且透明，适合团队协作与 CI/CD 集成。
在多平台协作开发中，requirements.txt 文件的编码格式和换行符差异可能引发依赖安装失败。默认情况下，Windows 使用 CP1252 或 GBK 编码保存文本文件，而 Linux 和 macOS 通常使用 UTF-8。若文件包含非 ASCII 字符（如注释中的中文），未统一编码将导致 pip install 报错。
始终以 UTF-8 编码保存 requirements.txt，避免字符解析错误。可通过编辑器设置或命令行工具转换：
# 将文件转换为 UTF-8 编码
iconv -f GBK -t UTF-8 requirements.txt -o requirements_utf8.txt
mv requirements_utf8.txt requirements.txt
该命令将原 GBK 编码文件转为 UTF-8，确保跨平台一致性。
不同操作系统使用不同的行结束符：Windows 用 CRLF，Unix-like 系统用 LF。通过 Git 管理时，建议设置：
git config --global core.autocrlf input（Linux/macOS）git config --global core.autocrlf true（Windows）确保提交时自动规范化换行符，防止因格式差异触发解析异常。
在多团队协作项目中，统一依赖版本至关重要。例如，某微服务架构项目因未锁定 grpcio 版本，导致不同服务间出现兼容性问题。通过引入 requirements.txt 显式指定版本可避免此类风险：
module myservice
go 1.21
require (
google.golang.org/grpc v1.50.0
github.com/gorilla/mux v1.8.0
)
注：此处原文混入了 Go 示例，建议在实际 Python 项目中直接使用 package_name==version 格式锁定版本。
使用工具自动化检测漏洞是保障安全的关键。建议每周运行一次依赖扫描，并集成至 CI 流程：
pip-audit 或 safety 检测已知漏洞某金融系统曾因未及时更新 jwt 库而暴露权限绕过风险，后续通过自动化流水线强制扫描阻断高危依赖。
为提升构建稳定性与速度，建议部署企业级模块代理。以下为性能对比数据：
| 场景 | 平均拉取耗时 | 失败率 |
|---|---|---|
| 直连公网代理 | 28s | 6.3% |
| 本地 PyPI 镜像 | 3.5s | 0.2% |
流程图：依赖引入标准化流程
需求提出 → 安全评估 → 版本审批 → 代理缓存预加载 → CI 集成测试 → 生产发布
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
解析常见 curl 参数并生成 fetch、axios、PHP curl 或 Python requests 示例代码。 在线工具，curl 转代码在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online
将 Markdown（GFM）转为 HTML 片段，浏览器内 marked 解析；与 HTML 转 Markdown 互为补充。 在线工具，Markdown 转 HTML在线工具，online