怎么把python部署到服务器

使用pip或easy_install可以管理和安装python的package包，实际上它们都是从pypi服务器中搜索和下载package的。目前在pypi服务器上，有超过三万多个package，同时还允许我们将自己的代码也上传发布到服务器上。这样，世界上的所有人都能使用pip或easy_install来下载使用我们的代码了。

具体步骤如下：

首先创建项目文件和setup文件。

目录文件结构如下：

project/

simpletest/

__init__py

testpy

setuppy

假设项目文件只有一个simpletest包，里面有一个testpy文件。

创建的setuppy文件格式大致如下，其中，install_requires字段可以列出依赖的包信息，用户使用pip或easy_install安装时会自动下载依赖的包。详细的格式参考文档。

from setuptools import setup, find_packages

setup(

name = 'simpletest',

version = '001',

keywords = ('simple', 'test'),

description = 'just a simple test',

license = 'MIT License',

install_requires = ['simplejson>=11'],

author = 'yjx',

author_email = 'not@allcom',

packages = find_packages(),

platforms = 'any',

)

然后将代码打包。

打包只需要执行python

setuppy xxx命令即可，其中xxx是打包格式的选项，如下：

# 以下所有生成文件将在当前路径下 dist 目录中

python setuppy bdist_egg # 生成easy_install支持的格式

python setuppy sdist # 生成pip支持的格式，下文以此为例

发布到pypi。

发布到pypi首先需要注册一个账号，然后进行如下两步：

注册package。输入python setuppy register。

上传文件。输入python setuppy sdist upload。

安装测试

上传成功后，就可以使用pip来下载安装了。

另外，pypi还有一个测试服务器，可以在这个测试服务器上做测试，测试的时候需要给命令指定额外的"-r"或"-i"选项，如python

setuppy register -r "",python

setuppy sdist upload -r "",pip

install -i "" simpletest。

发布到测试服务器的时候，建议在linux或cygwin中发布，如果是在windows中，参考文档，需要生成pypirc文件

不一定。

一般来讲不需要。具体看你选择的技术了。

也许 lz 应该选择 linux，在 windows 下用 apache 之类的太。。。

用 python 开发 web，Django 是不错的选择

并不是说学Python一定要Linux系统，Windows系统也可以，只不过Linux更合适。

线上服务器99%都是Linux系统，也就是说都是基于Linux系统的，比如centos，红帽，ubuntu等Linux系统。为什么会选择Linux系统大部分语言是稳定，可能Windows服务器长时间运行会出现宕机，但是Linux系统是不会的，在Linux几乎很少出现这种情况。Linux服务器可以无休止运行，具有非常好的稳定性以及高效性，因为稳定的特性受到了众多用户喜欢，使用范围广阔，并且Linux还可以提供高可靠性的服务。

其次，大量的Linux开发都是基于Python。openstack私有云，ansible自动化运维工具，fail2ban防暴力破解工具等都是基于Python语言开发的。所以要求Python开发人员对Linux有基本了解，服务器工程流程需要熟悉。

虽然，在windows上也是可以运行Python程序的（安装python解释器后），但是绝大多数的python程序都是跑在Linux机器上的，所以我们需要配置一台pnux虚拟机。以前，有人想在本地（也就是物理机）上装双系统，但是pnux的图形化界面是和内核区分开来的，没有图形桌面，pnux的所有功能照样能使用。（推荐学习：Python视频教程）

主要区别

pnux的图形桌面没有windows人性化，功能没Windows的好。

pnux的图形化界面是和内核区分开来的，windows的图形桌面是和内核紧密结合在一起的。

现在流行的大多数软件都跑在windows上，就算有pnux版本的，也是容易出问题的。

所以现在好的方法是：使用pnux虚拟机，这样可以随时和windows系统进行切换，在网上查资料，qq聊天，做笔记这些都在windows上操作，在pnux上跑python程序。

如果是早些年，可能不容易实现，但是现在可以虚拟化技术来实现，现在主流的虚拟化产品有三种，这里我就介绍下VMware。

vmware这款软件跑在本地的操作系统上（我的是win10），然后我们可以在这款软件上安装各种各样的虚拟机。

虚拟化软件就像一层薄薄的操作系统，可以直接运行在硬件上，将来可能会取代我们今天使用的操作系统。说远了，具体的安装过程我就不说了，在网上可以找到很多教程。

VMware：做为业内虚拟化领先的厂商VMware公司，一直以其易用性和管理性得到了大家的认同。只是受其架构的影响限制，VMware还主要是在X86平台服务器上有较大优势，而非真正的IT信息虚拟化。

加上，其本身只是软件方案解决商，而非像IBM与微软这样拥用各自己阵地用户基础的厂商。所以当前，对于VMware公司来说将面临着多方面的挑战，这其中包括微软、XenSource(被Citrix购得)以及Parallels、IBM公司。

所以，未来对于VMware公司来说这条道虚拟化之道能否继续顺风顺水下去还真不好说。

更多Python相关技术文章，请访问Python教程栏目进行学习！以上就是小编分享的关于学python必须装虚拟机吗的详细内容希望对大家有所帮助，更多有关python教程请关注环球青藤其它相关文章！

小蜗这里整理了一份Python全栈开发系统的学习路线，每个阶段所要掌握的知识都已列出，题主可参考这份大纲来进行学习规划;

第一阶段：专业核心基础

阶段目标：

1 熟练掌握Python的开发环境与编程核心知识

2 熟练运用Python面向对象知识进行程序开发

3 对Python的核心库和组件有深入理解

4 熟练应用SQL语句进行数据库常用操作

5 熟练运用Linux操作系统命令及环境配置

6 熟练使用MySQL，掌握数据库高级操作

7 能综合运用所学知识完成项目

知识点：

Python编程基础、Python面向对象、Python高级进阶、MySQL数据库、Linux操作系统。

1、Python编程基础，语法规则，函数与参数，数据类型，模块与包，文件IO，培养扎实的Python编程基本功，同时对Python核心对象和库的编程有熟练的运用。

2、Python面向对象，核心对象，异常处理，多线程，网络编程，深入理解面向对象编程，异常处理机制，多线程原理，网络协议知识，并熟练运用于项目中。

3、类的原理，MetaClass，下划线的特殊方法，递归，魔术方法，反射，迭代器，装饰器，UnitTest，Mock。深入理解面向对象底层原理，掌握Python开发高级进阶技术，理解单元测试技术。

4、数据库知识，范式，MySQL配置，命令，建库建表，数据的增删改查，约束，视图，存储过程，函数，触发器，事务，游标，PDBC，深入理解数据库管理系统通用知识及MySQL数据库的使用与管理。为Python后台开发打下坚实基础。

5、Linux安装配置，文件目录操作，VI命令，管理，用户与权限，环境配置，Docker，Shell编程Linux作为一个主流的服务器操作系统，是每一个开发工程师必须掌握的重点技术，并且能够熟练运用。

第二阶段：PythonWEB开发

阶段目标：

1 熟练掌握Web前端开发技术，HTML，CSS，JavaScript及前端框架

2 深入理解Web系统中的前后端交互过程与通信协议

3 熟练运用Web前端和Django和Flask等主流框架完成Web系统开发

4 深入理解网络协议，分布式，PDBC，AJAX，JSON等知识

5 能够运用所学知识开发一个MiniWeb框架，掌握框架实现原理

6 使用Web开发框架实现贯穿项目

知识点：

Web前端编程、Web前端高级、Django开发框架、Flask开发框架、Web开发项目实战。

1、Web页面元素，布局，CSS样式，盒模型，JavaScript，JQuery与Bootstrap掌握前端开发技术，掌握JQuery与BootStrap前端开发框架，完成页面布局与美化。

2、前端开发框架Vue，JSON数据，网络通信协议，Web服务器与前端交互熟练使用Vue框架，深入理解HTTP网络协议，熟练使用Swagger，AJAX技术实现前后端交互。

3、自定义Web开发框架，Django框架的基本使用，Model属性及后端配置，Cookie与Session，模板Templates，ORM数据模型，Redis二级缓存，RESTful，MVC模型掌握Django框架常用API，整合前端技术，开发完整的WEB系统和框架。

4、Flask安装配置，App对象的初始化和配置，视图函数的路由，Request对象，Abort函数，自定义错误，视图函数的返回值，Flask上下文和请求钩子，模板，数据库扩展包Flask-Sqlalchemy，数据库迁移扩展包Flask-Migrate，邮件扩展包Flask-Mail。掌握Flask框架的常用API，与Django框架的异同，并能独立开发完整的WEB系统开发。

第三阶段：爬虫与数据分析

阶段目标：

1 熟练掌握爬虫运行原理及常见网络抓包工具使用，能够对HTTP及HTTPS协议进行抓包分析

2 熟练掌握各种常见的网页结构解析库对抓取结果进行解析和提取

3 熟练掌握各种常见反爬机制及应对策略，能够针对常见的反爬措施进行处理

4 熟练使用商业爬虫框架Scrapy编写大型网络爬虫进行分布式内容爬取

5 熟练掌握数据分析相关概念及工作流程

6 熟练掌握主流数据分析工具Numpy、Pandas和Matplotlib的使用

7 熟练掌握数据清洗、整理、格式转换、数据分析报告编写

8 能够综合利用爬虫爬取豆瓣网**评论数据并完成数据分析全流程项目实战

知识点：

网络爬虫开发、数据分析之Numpy、数据分析之Pandas。

1、爬虫页面爬取原理、爬取流程、页面解析工具LXML，Beautifulfoup，正则表达式，代理池编写和架构、常见反爬措施及解决方案、爬虫框架结构、商业爬虫框架Scrapy，基于对爬虫爬取原理、网站数据爬取流程及网络协议的分析和了解，掌握网页解析工具的使用，能够灵活应对大部分网站的反爬策略，具备独立完成爬虫框架的编写能力和熟练应用大型商业爬虫框架编写分布式爬虫的能力。

2、Numpy中的ndarray数据结构特点、numpy所支持的数据类型、自带的数组创建方法、算术运算符、矩阵积、自增和自减、通用函数和聚合函数、切片索引、ndarray的向量化和广播机制，熟悉数据分析三大利器之一Numpy的常见使用，熟悉ndarray数据结构的特点和常见操作，掌握针对不同维度的ndarray数组的分片、索引、矩阵运算等操作。

3、Pandas里面的三大数据结构，包括Dataframe、Series和Index对象的基本概念和使用，索引对象的更换及删除索引、算术和数据对齐方法，数据清洗和数据规整、结构转换，熟悉数据分析三大利器之一Pandas的常见使用，熟悉Pandas中三大数据对象的使用方法，能够使用Pandas完成数据分析中最重要的数据清洗、格式转换和数据规整工作、Pandas对文件的读取和操作方法。

4、matplotlib三层结构体系、各种常见图表类型折线图、柱状图、堆积柱状图、饼图的绘制、图例、文本、标线的添加、可视化文件的保存，熟悉数据分析三大利器之一Matplotlib的常见使用，熟悉Matplotlib的三层结构，能够熟练使用Matplotlib绘制各种常见的数据分析图表。能够综合利用课程中所讲的各种数据分析和可视化工具完成股票市场数据分析和预测、共享单车用户群里数据分析、全球幸福指数数据分析等项目的全程实战。

第四阶段：机器学习与人工智能

阶段目标：

1 理解机器学习相关的基本概念及系统处理流程

2 能够熟练应用各种常见的机器学习模型解决监督学习和非监督学习训练和测试问题，解决回归、分类问题

3 熟练掌握常见的分类算法和回归算法模型，如KNN、决策树、随机森林、K-Means等

4 掌握卷积神经网络对图像识别、自然语言识别问题的处理方式，熟悉深度学习框架TF里面的张量、会话、梯度优化模型等

5 掌握深度学习卷积神经网络运行机制，能够自定义卷积层、池化层、FC层完成图像识别、手写字体识别、验证码识别等常规深度学习实战项目

知识点：

1、机器学习常见算法、sklearn数据集的使用、字典特征抽取、文本特征抽取、归一化、标准化、数据主成分分析PCA、KNN算法、决策树模型、随机森林、线性回归及逻辑回归模型和算法。熟悉机器学习相关基础概念，熟练掌握机器学习基本工作流程，熟悉特征工程、能够使用各种常见机器学习算法模型解决分类、回归、聚类等问题。

2、Tensorflow相关的基本概念，TF数据流图、会话、张量、tensorboard可视化、张量修改、TF文件读取、tensorflow playround使用、神经网络结构、卷积计算、激活函数计算、池化层设计，掌握机器学习和深度学习之前的区别和练习，熟练掌握深度学习基本工作流程，熟练掌握神经网络的结构层次及特点，掌握张量、图结构、OP对象等的使用，熟悉输入层、卷积层、池化层和全连接层的设计，完成验证码识别、图像识别、手写输入识别等常见深度学习项目全程实战。