目录

pip(3) install,完美解决 externally-managed-environment

前言

现象

在 Manjaro 22、Ubuntu 23.04、Fedora 38 等最新的linux发行版中运行pip install时,通常会收到一个错误提示:error: externally-managed-environment,即“外部管理环境”错误,但这不是一个 bug。

如果您想阅读,这是完整的错误信息:

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
$ sudo pip3 install please-cli
error: externally-managed-environment

× This environment is externally managed
╰─> To install Python packages system-wide, try 'pacman -S
    python-xyz', where xyz is the package you are trying to
    install.
    
    If you wish to install a non-Arch-packaged Python package,
    create a virtual environment using 'python -m venv path/to/venv'.
    Then use path/to/venv/bin/python and path/to/venv/bin/pip.
    
    If you wish to install a non-Arch packaged Python application,
    it may be easiest to use 'pipx install xyz', which will manage a
    virtual environment for you. Make sure you have python-pipx
    installed via pacman.

note: If you believe this is a mistake, please contact your Python installation or OS distribution provider. You can override this, at the risk of breaking your Python installation or OS, by passing --break-system-packages.
hint: See PEP 668 for the detailed specification.

背后的原因

“外部管理环境”错误背后的原因:Manjaro 22、Ubuntu 23.04、Fedora 38 以及其他的最新发行版中,正在使用 Python 包来实现此增强功能。

这个更新是为了避免「操作系统包管理器 (如pacman、yum、apt) 和 pip 等特定于 Python 的包管理工具之间的冲突」。

这些冲突包括 Python 级 API 不兼容和文件所有权冲突。


更多详情可以在官方查看:

PEP 668 – Python base environments
Python 增强提案 (PEP)

解决方案

方案一、(粗暴) 去掉这个提示

强制删除此警告,回归到熟悉的操作。

将 “x” 替换为实际版本。

1
sudo mv /usr/lib/python3.x/EXTERNALLY-MANAGED /usr/lib/python3.x/EXTERNALLY-MANAGED.bk

和之前一样,现在您可以直接运行 pip(3) install package_name 命令来安装python模块。


方案二、(推荐) 使用pipx

您在上面看到的涉及手动工作。Pipx 使其自动化。

它会自动为您安装的每个应用程序创建一个新的虚拟环境。不仅。它还在 中创建指向它的链接.local/bin。这样,安装该软件包的用户就可以从命令行中的任何位置运行它。

我想这就是大多数桌面 Linux 用户想要的。

使用以下命令在 Ubuntu 上安装 pipx:

1
sudo apt install pipx

它可能会安装大量的依赖项:

现在将其添加到 PATH 中,以便您可以从任何地方运行。

1
pipx ensurepath
提示:
您必须关闭终端并重新登录才能发生更改。

现在我们可以使用 Pipx 而不是 Pip 安装 Python 包:

1
pipx install package_name

这个是一个例子:

提示:
要删除使用 pipx 安装的软件包,请使用 pipx uninstall package_name 命令。

方案三、(高阶) 使用venv

如果您是开发人员,

在运行或构建py文件时遇到如下图 ModuleNotFoundError: No module named 'xxx' 的错误,

推荐切换为该方案,即使用Python虚拟环境。

借助虚拟环境,您可以使用不同版本的包依赖项和Python。这样,您就可以避免包之间的任何冲突。

这种方法适合从事Python项目的软件开发人员和程序员。

安装 venv

1
2
3
4
5
6
7

sudo apt install python3-venv

#或

sudo apt install python3.11-venv

生成一个Python虚拟环境

1
mkdir -p $HOME/.env && python3 -m venv $HOME/.env/project_name

现在,您将看到一个.env在您的主目录中,并且在 .env 中,您将拥有项目目录。

每个虚拟环境项目目录中都会有自己的 Python 和 Pip 副本。

安装模块,如 algoliasearch

1
2
$HOME/.env/project_name/bin/python -m pip install --upgrade pip
$HOME/.env/project_name/bin/python -m pip install algoliasearch

用新的虚拟环境执行py文件

1
2
source $HOME/.env/project_name/bin/activate
$HOME/.env/project_name/bin/python ./demo.py

这只是 Python 虚拟环境的一个简短示例。如果您想了解更多信息,这里有一份详细指南。

Python Virtual Environments
在本教程中,您将学习如何使用 Python 虚拟环境来管理 Python 项目。您还将深入了解使用 venv 模块构建的虚拟环境的结构,以及使用虚拟环境背后的原因环境背后的原因。

方案四、(其他) 使用原生包

据我所知,Pip 提供了一种安装 Python 包的舒适方法。然而,一些Python应用程序也打包为APT或其他本机包。在您的发行版存储库中搜索它并从那里安装它(如果可用)。

例如,我试图安装 WoeUSB-ng。如果我使用 Arch Linux,AUR 也提供相同的软件包。


方案五、(比较推荐) 使用 Conda

Conda 安装

Anaconda: https://www.anaconda.com/docs/getting-started/anaconda/install

Miniconda: https://www.anaconda.com/docs/getting-started/miniconda/install

Python 环境管理:venv vs. Conda 深度对比

在 Python 开发中,选择合适的隔离环境是避免“在我电脑上能跑,在你那里报错”的关键。以下是 venvconda 的核心区别:

1. 核心差异对比表

特性 venv (Virtualenv) Conda (Anaconda/Miniconda)
定位 Python 标准库自带的轻量级工具 跨语言的通用包管理与环境管理系统
语言支持 仅限 Python 多语言 (Python, R, C++, Java 等)
Python 版本 依赖系统已安装的版本,切换版本较麻烦 可自主安装,每个环境可指定不同 Python 版本
包管理器 使用 pip 使用 conda (也可以在内部用 pip)
底层依赖 较弱,常需手动配置 C++ 编译环境 极强,预编译二进制文件,自动处理底层库
安装占用 极小 (几 MB) 较大 (Miniconda 约 400MB, Anaconda 约 5GB+)

2. 深入理解:你应该选哪一个?

场景 A:选择 venv (Python 原生管家)

如果你是一名 Web 开发者 或编写 自动化脚本 的工程师,venv 是首选。

  • 优点:纯净、轻量、无额外依赖。
  • 适用:Django/Flask 后端开发、纯 Python 工具库。
  • 常用命令
    1
    2
    
    python3 -m venv myenv       # 创建环境
    source myenv/bin/activate   # 激活环境
    
场景 B:选择 Conda (全能管家)

如果你是 数据科学家AI/机器学习 工程师,conda 是刚需。

  • 优点:它能帮你解决 NumPy、PyTorch 等库背后复杂的 C++/CUDA 依赖问题,不需要你手动去折腾系统驱动或编译器。
  • 适用:深度学习、科学计算、多 Python 版本切换。
  • 常用命令
    1
    2
    
    conda create -n myenv python=3.10  # 创建指定 Python 版本环境
    conda activate myenv               # 激活环境
    

3. 黄金法则 (Best Practice)

“能用 conda 解决的,先用 conda;conda 找不到的包,再在 conda 环境里用 pip。"

在 Conda 环境中运行 pip install 是完全安全的,这样可以结合 Conda 对底层环境的控制力和 PyPI (pip) 极其丰富的包生态。



结论

Pip 是一个在系统上获取 Python 包的好工具。个人认为它始终是为 Python 程序员设计的,而不是为最终用户设计的。显然它不能用作原生发行包的替代品,Python 开发人员已经明确表示了这一点。

当然最新的改动的好处是,程序员和最终用户都有替代方案。

希望本文可以帮助您理解并克服 Linux 中 Pip 的外部管理环境错误。

如果您有疑问或建议,欢迎留言交流。


在 Linux 中安装和使用 pipx
pipx 解决了流行的 pip 工具的缺点。了解在 Linux 中安装和使用 pipx。