在开发Python项目时，你是否曾面临过依赖管理的困扰？随着项目的复杂性增加，如何有效地管理和共享依赖成为了一项关键任务。今天，我们就来探讨为什么生成Python项目需要的最小requirements.txt文件至关重要。
那么，为什么每个Python项目都需要一个
requirements.txt文件？它对项目的开发、维护和部署又有什么具体的影响？
在当前的开源和协作开发环境中，依赖管理成为了每个项目成功的关键。随着Python社区的蓬勃发展，良好的依赖管理实践也愈加重要。无论是个人开发者还是团队项目，requirements.txt都已成为行业标准。
嗨，大家周一好，今天聊聊Python项目的requirements.txt文件，教大家如何生成项目的最小依赖环境文件。
想想开发Python项目的小伙伴们，多少有时候是直接上conda base环境写代码的吧？在这种情况下直接生成的requirements.txt文件，通常是一个“大杂烩”，包含了项目用不到的各种包。今天就教你们几个操作，轻松搞定这个最小依赖文件！
首先，关于为什么需要“最小requirements.txt”
我们在开发Python项目时，项目的依赖管理关系到后续的代码部署、打包以及版本控制。一个精简的requirements.txt能帮我们避免冗余依赖的困扰。特别是当项目在“非独立环境”（比如conda base）下开发时，这个需求就尤为重要，因为base环境通常有我们可能并不需要的其他包。越小的依赖文件，越方便项目的打包和迁移，还能避免版本冲突。
那么，如何生成一个项目最小的requirements.txt呢？下面我给大家两种思路，操作简单，效果明显。
方法一：使用pipreqs生成最小依赖文件
首先强烈安利pipreqs，这是一个可以帮你直接生成仅包含项目实际依赖包的工具。
1. 安装pipreqs
确保你的环境中安装了pipreqs，没有的话一行命令搞定：
pip install pipreqs
2. 运行pipreqs
接下来，确保你在项目的根目录下运行以下命令：
pipreqs ./ --encoding=utf-8
这个命令会在项目根目录下生成一个requirements.txt文件，它只包含项目所需的依赖包，不会夹带上conda base里那些不相关的包。
代码解读
-
./：代表当前目录，pipreqs会从这里开始查找依赖。 -
--encoding=utf-8：用于指定编码方式，防止出现编码问题。
生成完requirements.txt后，你可以打开看看，是不是干净、精简，和你在项目中手动引用的包完全吻合呢？这就是“最小依赖文件”！
???? 注意点
-
pipreqs是通过扫描你的代码文件来确定项目依赖的，所以它更像是“按需打包”。 -
如果项目代码中没有直接导入的包，
pipreqs就不会识别（比如通过某个插件或间接依赖安装的包）。
方法二：pip freeze+ 手动筛选
如果因为某些原因不能用pipreqs，可以试试pip freeze的经典老方法，再手动清理不需要的依赖。
1. 使用pip freeze命令
在终端中输入以下命令生成一个所有包的列表：
pip freeze > all-requirements.txt
这会生成一个叫all-requirements.txt的文件，记录了环境中的所有依赖包和版本。可以用这个文件作为参考，筛选出仅包含项目所需的包。
2. 手动筛选
打开all-requirements.txt文件，逐行查看，并只保留项目代码中确实引用的包。最终的内容就是这个项目的最小依赖包了。
示例代码
举个简单的筛选例子。假设all-requirements.txt长这样：
Django==3.2.7
numpy==1.21.2
requests==2.26.0
Pillow==8.3.1
scipy==1.7.1
matplotlib==3.4.3
项目里我们只用了Django和requests，那可以筛选出如下内容作为最终的requirements.txt：
Django==3.2.7
requests==2.26.0
有点像筛菜，选出那些真正吃得上的。
3. 小tips：自动化筛选的代码脚本（更方便的选择）
为了少花些时间，你可以写个Python脚本来自动完成筛选，比如下面这个简单脚本：
# 自动筛选requirements.py
import re
# 假设我们只需Django和requests包
needed_packages = ['Django', 'requests']
with open('all-requirements.txt', 'r') as f_in, open('requirements.txt', 'w') as f_out:
for line in f_in:
if any(pkg in line for pkg in needed_packages):
f_out.write(line)
这个脚本只会将all-requirements.txt中的Django和requests写入新的requirements.txt，可以进一步扩展，定制筛选条件。
选择适合你的方法
-
如果时间紧、工作量大：直接用
pipreqs，一条命令解决问题。 -
如果项目较小，依赖明确：用
pip freeze和手动筛选，或者写个自动化脚本。
这两种方法，都能帮你生成“最小requirements.txt”，以最精简的依赖文件，解决项目需求。
额外技巧：如何保持requirements.txt与项目同步
在项目维护过程中，依赖包经常会增加或减少，这时候建议大家在项目代码中加上依赖检查步骤。每次更新代码时，定期更新requirements.txt：
pipreqs ./ --force
--force参数会覆盖之前的requirements.txt，确保项目依赖文件是最新的。
谁说项目管理不重要？记得我有次，直接在base环境写代码，pip freeze出来几百行的依赖文件，结果运维同事看到后眼珠子差点掉出来！
所以各位，千万不要小瞧requirements.txt的精简程度，该删的就删，能少一个包就少一个包。
生成最小的requirements.txt文件是每个Python项目的基本功，它不仅有助于依赖管理，还能提升开发效率和项目可维护性。掌握这项技能，将使你的项目更具专业性和可移植性。
“好的开始是成功的一半，生成一个清晰的
requirements.txt，为你的Python项目奠定坚实基础！”
