Python与Linux入门：从零搭建开发环境与命令行实操

1. 为什么要从 Python 和 Linux 开始

1.1 这套组合到底意味着什么

看到"26期_01_Python Linux"这个标题，我第一反应是：这又是一个面向零基础开发者的入门系列课程，而且是整个系列的第一讲。Python 和 Linux 放在一起讲，不是因为培训机构喜欢把两个热门词拼在一起，而是这两样东西在真实开发场景里根本拆不开。

我自己这些年接触过不少刚入行的同学，很多人一开始只装了 Windows，装个 Python 也能跑，但一旦需要部署项目、处理定时任务、操作服务器日志、跑数据脚本，就绕不开 Linux。业界常说"写代码在 Windows，跑代码在 Linux"，这是非常实际的体验。所谓一期课程的"01"，通常意味着从零开始讲：不假设你懂命令行，不假设你配置过环境，甚至不假设你了解什么是操作系统层面的"文件权限"。

所以这篇内容适合谁？适合刚接触编程、想把 Python 作为第一门语言，同时想搞懂它和 Linux 如何协作的同学。也适合那些已经会写一点 Python 但从来没在 Linux 下部署过东西的初级开发者。你可以把它当作整个入坑路线的第一站。

1.2 刚开始最需要解决的三个问题

我在带新手的过程中发现，Python 和 Linux 入门阶段，最难的不是语法，而是几个非常基础却绕不开的问题。

第一个是环境问题。Python 有 2 和 3 的区别，有不同版本，有系统自带的 Python 和手动安装的 Python，如果没搞清楚这些共存关系，后面安装包、跑脚本会出现大量看起来莫名其妙的问题。第二个是工具链问题。很多人知道用 pip，但不知道为什么同一个项目在这台机器能跑、换台机器就挂，更不知道虚拟环境存在的意义。第三个是"感觉问题"。Linux 的命令行一打开就是黑底白字，没有任何图形界面提示，新手第一反应是"我该干什么"。这需要一个循序渐进的场景来引导，而不是直接丢一本命令大全。

这篇文章的思路就是围绕这三个问题展开：先把 Linux 环境跑起来，再把 Python 环境理清楚，最后让两者在真实的小任务里配合起来。读完你会有一种"原来如此"的感觉，而不是"背了一堆命令"。

2. 内容整体设计与思路拆解

2.1 为什么把 Linux 摆在 Python 前面

很多零基础的课程会先讲 Python 语法，再补 Linux，但这里的设计顺序反过来了：先让大家在 Linux 里待着，边操作熟悉命令，边引入 Python。这个安排是有道理的。

先学一点点 Linux 基础，比如 cd、ls、mkdir、vim 这几个命令，后面在写 Python 的时候会非常自然地把文件路径、目录结构、执行权限这些东西串联起来。反过来，如果你先用 Windows 写 Python 写了一个月，突然切换到 Linux，光是文件路径的风格差异和命令行的操作习惯就够你适应好一阵子，学习曲线反而更陡。

我自己试过一次快速切换教学方案：让零基础学员先花三天熟悉 Linux 终端，每天都用命令行创建文件、移动文件、编辑脚本，然后再开始写 Python。结果这些人后面遇到路径拼接、跨平台部署问题的时候，理解速度明显快过那些从 Windows 直接起步的人。因为 Linux 命令行天生就逼着你理解"文件在哪里""哪个程序在跑"这些底层概念，写代码时思路会更踏实。

2.2 方案选型：哪种 Linux 更合适

对于刚接触 Linux 的同学，选发行版确实是个容易纠结的事情。我的建议非常直接：如果你是为了跟课程、打基础，用 Ubuntu 或者 Debian 系就好，原因是生态成熟、资料多、包管理器简单。日常中无论是安装 Python 相关的系统依赖库，还是安装 Nginx、Redis 这类服务，apt 一条命令基本都能搞定，出问题的时候网上也有大量现成答案。

很多初学者会问：为什么不直接上 CentOS 或者更小众的发行版？不是不能，但没必要。入门阶段不要给自己增加额外的环境差异成本。实际工作生产环境用什么发行版，那是公司架构师考虑的事情，你自己学习阶段先把"用 Linux 干活"这个手感练出来更重要。

我的建议是：在虚拟机里装一个 Ubuntu Server 版本，没有桌面环境，逼迫自己在纯命令行下完成操作。很多人怕命令行，但 Python 开发也好、后续的脚本部署也好，日常操作都是在纯命令行下完成的，早适应早受益。

2.3 环境隔离意识要从第一天建立

再来说说虚拟环境。这是整个入门过程中我认为最应该被提前灌输、却总被忽略的点。很多初学者装好 Python 后，不管三七二十一，pip install 直接装全局。这个习惯一开始看起来没问题，但一旦你同时维护两三个小项目，就会出现版本冲突：A 项目用 2.x 版本的库，B 项目需要 3.x 版本，你在系统环境里装一个新版本，可能就把 A 项目弄挂了。

虚拟环境解决的就是"同一个 Python 解释器，但每个项目用独立的包空间"这个问题。第一天就建立这个习惯并不难，后面会减少大量不必要的麻烦。我见过不少同学因为环境混乱把半天时间花在排查"为什么那个项目跑不了了"上，最后发现只是装了一个别的项目的依赖，这种冤枉时间完全可以通过从一开始就建虚拟环境来避免。

3. 核心细节解析与实操要点

3.1 虚拟机还是 WSL

动手之前得先解决"我的 Linux 在哪儿跑"的问题。目前对于 Windows 用户来说，方案大致有三种：安装虚拟机软件再装 Linux、使用 Windows 自带的 WSL、或者直接找一台闲置电脑装双系统。

WSL 是目前我比较推荐的入门方式，因为它不像虚拟机那样需要预分配内存和磁盘、启动速度也快，你可以直接在 Windows 桌面环境里面打开一个 Linux 终端，和本地文件系统之间的交互也方便。但 WSL 也有一个短板：如果你后面要学 Linux 系统管理、内核相关的东西，WSL 毕竟还是偏"用户层"的模拟，和真正的 Linux 服务器会有一些细微差异。

虚拟机方案（比如常见的 VirtualBox 配合 Ubuntu）更接近一台真实的 Linux 机器，网络、存储、权限这些逻辑和服务器更一致。缺点是资源占用大、启动慢，对电脑配置有一定要求。如果你的电脑内存小于 8GB，跑虚拟机会有点吃力，那就优先考虑 WSL。我自己做教学的时候一般建议电脑配置够的同学直接用虚拟机，配置紧张的同学先用 WSL，两条路都不影响后续学习。

3.2 装好之后首先该做什么

假设你已经装好了一个 Ubuntu 环境，登录进去拿到一个命令行终端。按照我自己的习惯，新环境到手做三件事：

第一，更新系统软件源和已有软件包。Ubuntu 初始状态下，用sudo apt update和sudo apt upgrade把系统包更新到最新，这一步能避免后续装软件时遇到依赖版本过旧的问题。

第二，安装基础工具包。比如build-essential、curl、git、vim。这些工具不一定马上全用上，但在后面编译 Python 扩展、拉代码、改配置文件的时候一定会需要。提前装好省得半路卡壳。

第三，确认自带 Python 状态。Ubuntu 22.04 和 24.04 系统默认带了 Python 3.10 或 3.12，你可以直接执行python3 --version查看。这里注意一点：系统自带的 Python 尽量不要删除或替换，因为系统的很多管理工具依赖它。后面我们会用别的方式管理 Python 版本。

3.3 文件结构与命令的记忆方法

Linux 的学习里最容易让人挫败的就是"命令太多记不住"。这里我的观点是：不要背，要用。你只需要先掌握一条主线，剩下的随用随查就行。

主线命令大概就是：pwd看当前目录、ls查看目录内容、cd切换目录、mkdir创建目录、touch创建空文件、cat查看文件内容、rm删除文件、cp复制文件、mv移动或重命名文件。这些命令涉及了文件和目录的整个生命周期，日常 80% 的操作都被覆盖了。至于权限管理、进程管理、网络查询那些，等用到了再针对性地学，效果反而好。

记忆方法和小时候记单词类似：每次操作的时候，想想这个命令是哪个英文单词的缩写。比如ls是 list（列出）、pwd是 print working directory（打印当前工作目录）、mkdir是 make directory（建目录）。理解了词源，你会发现命令的本质就是"告诉系统对你指定的东西做某个操作"。

3.4 权限概念为什么重要

很多新手在 Linux 下执行脚本的时候会碰到一个报错：Permission denied，中文意思就是"没权限"。这个报错背后的原因是 Linux 的权限模型和 Windows 差别很大。

Linux 系统里，每个文件都有"属主"和"属组"的概念，并且对文件的操作权限分为读、写、执行三种，分别用 r、w、x 表示。当你试图运行一个没有执行权限的 Python 脚本时，系统就会明确拒绝你。这在 Windows 下是没有的体验，因为 Windows 默认对文件可执行性的判断更多看扩展名。

我见过很多新手在这个地方栽跟头：明明代码是对的，但运行报错，然后花大量时间去检查代码，实际上只是忘记给脚本加执行权限。避免这个问题很简单，要么用python3 script.py的方式直接调用脚本（此时不依赖脚本的可执行权限），要么用chmod +x script.py赋予执行权限。理解权限模型的本质，是 Linux 入门阶段必须跨过的一道坎。

4. 实操过程与核心环节实现

4.1 第一步：建立项目目录

我们用一个具体的小任务来演示：创建第一个 Python 项目，并且在其中跑通一段脚本。

打开终端，在 home 目录下建立一个名为first_project的项目文件夹：

cd ~ mkdir first_project cd first_project

这里~代表当前用户的家目录，对新手来说记住这个符号很有用，因为它是一个绝对路径的快捷方式。在 Linux 下，目录决定一切，你的项目在哪里、脚本在哪里、日志在哪里，都要有清晰的规划。先建一个专用目录，避免把所有零散文件堆在根目录或用户目录下，这是良好习惯的开始。

4.2 第二步：搭建 Python 虚拟环境

创建好项目目录后，在里面建立虚拟环境。我这里假设系统已经安装了 python3-venv 这个组件，如果没有，先执行：

sudo apt install python3-venv

然后创建虚拟环境并激活它：

python3 -m venv venv source venv/bin/activate

激活之后，命令行前面通常会出现一个(venv)的提示符，代表你当前正处在虚拟环境中。在这个状态下安装的所有 Python 包都会进到这个项目独立的目录里，不会污染全局环境。这一步非常重要，也是整个入门过程里最应该形成肌肉记忆的环节之一。

如果哪一天你忘记了为什么创建虚拟环境，可以回想这个例子：项目 A 需要requests2.25 版本，项目 B 需要requests2.31 版本，如果不用独立环境，两个需求是没法共存在一个全局环境里的。用虚拟环境，各装各的，互不影响。

4.3 第三步：编写第一个真正的脚本

虚拟环境就绪之后，我们写一个不是 hello world 的小脚本，但也不复杂。我倾向于写一个带点实际处理逻辑的小程序，比如批量重命名某个目录下的文件。这个任务用到 Linux 的目录操作和 Python 的文件处理能力，正好把前面知识都串起来。

先用touch创建几个文本文件模拟场景：

touch report_2024_old.txt touch report_2023_old.txt touch report_2022_old.txt

现在目标是把这些文件名字里的_old去掉，改成report_2024.txt这种格式。用 Python 实现方式如下：

# rename_files.py from pathlib import Path target_dir = Path(".") for old_file in target_dir.glob("*.txt"): if "_old" in old_file.name: new_name = old_file.name.replace("_old", "") old_file.rename(new_name) print(f"重命名: {old_file.name} -> {new_name}")

保存文件后运行：

python3 rename_files.py

这个脚本的核心是pathlib这个标准库，它提供了一种面向对象的方式来操作文件和目录，和 Linux 的文件系统概念天然契合。新手容易在这里犯的一个错误是：直接用字符串拼路径，但跨平台时路径分隔符不一样，用pathlib可以很好地规避这类问题。

4.4 第四步：用 Shell 思维配合 Python

再扩展一步：我们在终端里用一条命令看看结果：

ls -la

你会看到文件确实被重命名了。这时可以引出一个很有意思的思维：Linux 的命令和 Python 脚本常常是配合使用的。比如你想对项目里所有 Python 文件做一个简单的代码统计，可以直接用 Shell 命令：

wc -l *.py

但不做复杂统计的话，用 Python 处理更灵活。比如统计哪个文件行数最多，可以写几行脚本：

from pathlib import Path lines_count = {} for py_file in Path(".").glob("*.py"): lines_count[py_file.name] = len(py_file.read_text().splitlines()) print(max(lines_count, key=lines_count.get))

这就是"用 Python 增强 Shell，用 Shell 增强 Python 的日常使用"的典型场景。整个开发过程不应该是"必须全用命令行"或者"必须全写脚本"，而是两者结合，哪个方便用哪个。

4.5 第五步：安装第三方库

一个只依赖标准库的 Python 项目毕竟有限。我们再演示一下第三方库的安装。

虚拟环境中安装通常直接使用 pip：

pip install requests

然后写一个简单的网络请求脚本测试它：

import requests resp = requests.get("https://httpbin.org/get") print(resp.status_code) print(resp.text[:200])

这里要注意，HTTP 请求涉及外网，如果网络环境受限，可能超时，选一个你本地网络能访问的接口即可。这个例子只是为了展示"安装库—导入库—使用库"的完整链路。另外提醒一下，如果你看到pip不是最新版本的提示，可以先用pip install --upgrade pip更新一下。但是注意：不要随意升级系统级 pip，最好在虚拟环境内操作。

4.6 第六步：把脚本变成可执行文件

最后，我们把写好的脚本变成一个可以从命令行直接执行的文件，而不是每次都用python3 script.py调用。

在脚本第一行加上 shebang 标记：

#!/usr/bin/env python3

然后赋予执行权限：

chmod +x rename_files.py

现在你可以直接执行：

./rename_files.py

这个做法在部署脚本到服务器时特别常用，也是 Linux 下管理小工具的标准姿势。你可能会看到很多开源项目的命令工具都是这样设计入口的。理解了这个原理，后面看别人项目的启动脚本就不会发怵。

5. 常见问题与排查技巧实录

5.1 命令找不到：command not found

这是最常见的一类问题。大概率原因是你输入的命令名不对，或者这个软件还没安装。比如你输入python，Ubuntu 上默认系统只装了python3，这时候就会提示 command not found。

解决办法是先确认自己到底装了哪个版本：ls /usr/bin/python*可以看系统中有哪些 Python 相关程序。如果没有安装，可以用sudo apt install python3来装。这类问题不需要死记，关键是理解"命令来自于系统中的可执行程序文件"这个底层逻辑：你敲下的每一个命令，都是在系统路径的某个目录里寻找对应的可执行文件。

5.2 虚拟环境激活后 pip 仍是全局的

有时候你明明激活了虚拟环境，但是敲pip时发现并不是虚拟环境内的版本。通常是因为你曾经在~/.bashrc或者某个配置里设置了别名，或者激活的环境变量没有被正确优先级处理。

排查方法很简单：执行which pip，看输出路径。如果路径指向/usr/bin/pip而不是虚拟环境目录下的venv/bin/pip，说明你用的不是虚拟环境里的 pip。这种情况下重新检查激活命令source venv/bin/activate，然后再次运行which pip，正常情况会指向虚拟环境目录。养成用which验证的习惯，能帮你快速定位各种"命令行为不对"的问题。

5.3 安装包时出现外部管理环境错误

新版 Ubuntu 里，系统 Python 的 pip 被限制安装了，因为它自带的 Python 环境受系统包管理器管控。如果你执行pip install requests时遇到"externally-managed-environment"这样的报错，不用慌张。

最优解是先建虚拟环境，再在虚拟环境内部安装，这样绕开系统级别限制，也符合"项目隔离"的理念。如果你确实需要全局安装且知道自己在做什么，可以加--break-system-packages参数，但我不推荐新手这样做。这个错误本质上是一个保护机制，告诉你"别动系统环境"，实际上是在帮你养成好习惯。

5.4 文件权限导致的运行失败

前面提过 Permission denied 的问题。不少同学写完 Python 脚本，一执行./script.py就遇到这个错误。排查步骤很简单：先执行ls -l script.py查看文件的权限位。如果显示的权限是-rw-r--r--，说明属主没有执行权限，就需要chmod +x script.py来补上。

还有另一种情况：你在 Windows 下用编辑器写好的脚本，传到 Linux 里发现运行报错/usr/bin/env: 'python3\r': No such file or directory。这是因为 Windows 保存的文件换行符是\r\n，Linux 只识别\n。解决办法是用sed -i 's/\r$//' script.py去掉回车符，或者在编辑器里把换行符改成 LF。这类问题是 Windows 和 Linux 混用的初学者最容易踩的坑。

5.5 端口被占用的问题

过几天你会开始写 Web 服务，比如 Flask 或 FastAPI 的小项目，这时候大概率会遇到端口被占用的问题。报错内容是类似Address already in use。排查方法是先用ss -ltnp看当前监听端口的进程，找到对应的 PID 之后用kill命令结束它。

这里我的建议是：不要直接杀掉系统里不认识的进程，得先看清楚这个进程是什么、能不能杀。确认后才能执行清理操作。如果只是为了开发，可以直接使用另一个端口。这个排查思路对所有"某个端口起不来"的问题都适用。

5.6 常见问题速查表

为了方便随时翻阅，我把上面这些情况整理成一个速查表：

5.7 两个排查思路层面的建议

最后补充两个我自己总结的排查哲学。第一，遇到问题先看报错信息本身。报错信息里往往已经告诉了你原因和位置，不要急着去改代码或重新安装环境。新手最常犯的毛病是"看到报错就慌，然后卸载重装"。其实大多数问题都是一行命令就能解决的小事情。

第二，学会用"最小复现"去定位问题。如果你不知道 bug 出在哪，就创建一个最简脚本，逐步添加逻辑，看哪一步触发问题。这个思路不只是排查技巧，也是调试代码和设计系统的核心思维。很多经验丰富的开发者之所以解决问题快，不是因为记忆力好，而是因为他们懂得把大问题拆成小步骤逐一验证。

6. 经验感想与后续路径

6.1 我踩过的一些坑

说几个我早期学习 Python 和 Linux 时印象深刻的经历，也算给你们提个醒。

最开始我用的是 Windows，装了一个很老版本的 Python，然后按照网上教程装了一堆包。后面配合 Linux 使用时，发现很多命令行为不一致，最后才明白是 Python 版本差异造成的。当时浪费了一个下午排查一个"同一个代码，两个环境结果不一样"的问题。现在回想起来，如果早点用虚拟环境、早点统一版本，可能五分钟就解决了。

后来我慢慢形成一个习惯：每个新项目的第一件事是写好说明文档，把 Python 版本、系统版本、依赖包列表记清楚。有了这份说明书，项目在任何新环境上都能快速重建。你们现在可能觉得这个动作多余，但等到你同时维护三个项目、并且每隔几个月就要换电脑或重装系统的时候，会发现它是真正的救命稻草。

6.2 下一步可以怎么走

这一期内容属于整个路线的起步，覆盖了 Linux 基本操作、Python 环境搭建、虚拟环境、简单脚本以及常见问题排查。接下来我认为有两个明确方向可以继续深入。

第一个方向是继续加深 Python 的项目能力。比如用 Flask 写一个简单的 Web 接口，再把前面学的 Shell 命令和 Python 脚本结合起来，做一个自动化的定时任务。第二个方向是往部署方向走：学会用 Git 管理代码，再把项目部署到一台远程服务器上，让它的服务真的跑起来。这两个方向里，前者更偏写代码，后者更偏运维，但都会用到这期的基础功。

这里我还特别想强调一个事情：记笔记的方式。建议你从这期开始维护一个"命令速查"笔记，把见过的每一条有用的命令和用法记录下来。不要过分依赖搜索引擎，因为很多知识你查过一遍后过段时间还是会忘，但自己整理过的东西记忆会深刻许多。这个笔记不用很正式，随手记即可，关键是坚持。

6.3 保持节奏比天分重要

我接触过的很多学习者在前期都会有这样的体验：第一周热情高涨，第二周开始被细节绊住，第三周遇到一个卡住一晚上的问题就想放弃。这太正常了。

Linux 和 Python 的知识体系是典型的"面太广、上限太高"，但入门门槛其实并没有想象中那么高。你不需要一天内掌握所有命令，也不必对着复杂的权限模型死磕。把前面提到的核心流程走一遍，每天积累一点点手感，之后的进阶会是水到渠成的事情。

这一期的内容到这里就结束了。我的个人建议是：先把环境搭起来，把今天的脚本敲完，然后尝试着自己改一改——比如让重命名脚本支持多个目录，或者把统计脚本的输出排序。自己动手写过一遍，和看别人写过一遍，学到的深度完全不一样。