Ubuntu Python跨平台开发怎么做

Ubuntu 上的 Python 跨平台开发实践

一 环境与依赖管理

• 选择一种“主流程”并在团队内统一：
  • Conda：适合数据科学/多平台依赖，命令示例：conda create -n dev310 python=3.10 -y && conda activate dev310。
  • venv + pip：更轻量、原生，命令示例：python3 -m venv .venv && source .venv/bin/activate。
  • uv：极快的包与环境管理，命令示例：curl -LsSf https://astral.sh/uv/install.sh | sh && uv venv。
• 统一包源与工具：
  • pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
  • pip install -U pip ipython wheel pip-tools
• 可复现性：
  • 生成锁定文件：pip-compile requirements.in -o requirements.txt 或 pip freeze > requirements.txt
  • 从锁定文件安装：pip-sync requirements.txt 或 pip install -r requirements.txt
• 目录规范：项目与虚拟环境放在同一独立目录，便于迁移与备份。

二 编写跨平台代码

• 路径与系统差异：
  • 使用 os.path.join / pathlib.Path 处理路径，避免硬编码斜杠。
  • 用 os.sep、os.path.expanduser、os.path.abspath 处理分隔符与绝对路径。
• 平台判定与条件分支：
  • 使用 sys.platform / platform.system() 判别系统，封装差异（如路径、命令、换行符）。
• 子进程与命令执行：
  • 优先用 subprocess.run([…], check=True) 传列表，避免 shell=True 引发平台差异。
• 文件与编码：
  • 打开文件显式指定 encoding=‘utf-8’，避免默认编码差异。
• 第三方库选型：优先选择声明支持多平台的库（如 requests、Tkinter 等）。

三 测试与交付的一体化

• 本地多环境：在 Ubuntu/WSL2/Windows 上分别跑通安装与测试，覆盖路径、编码、子进程等差异。
• 自动化测试：使用 pytest 编写用例，结合 GitHub Actions/GitLab CI 做矩阵构建（如 ubuntu-latest、windows-latest、macos-latest）。
• 容器化交付：用 Docker 定义多阶段构建与运行时，确保“构建一次，到处运行”。
• 交付物：提供清晰的 README、requirements.txt/conda env.yml、.dockerignore 与示例脚本。

四 桌面与移动跨平台方案

• 桌面 GUI：
  • Tkinter（标准库，跨平台）、PyQt/PySide（功能强，商业可用，跨平台）、Kivy（基于 OpenGL ES 2，适合触控与多媒体）。
• 移动端：
  • Kivy + Python for Android（p4a） 可将应用打包为 APK；流程要点：准备 Android SDK/NDK，构建包含 Python 运行时与依赖 的发行版，再用 p4a 打包 APK。
• 选择建议：重桌面体验优先 PyQt/PySide；重触控/移动优先 Kivy。

五 GPU 与数据科学的跨平台要点

• 驱动与工具链：
  • 检查 NVIDIA 驱动：nvidia-smi；如需本地编译 CUDA 扩展，检查 nvcc --version。
• PyTorch 与 CUDA 匹配：
  • 原则：先确定驱动与 CUDA 版本，再安装匹配的 PyTorch 预编译包。
  • 示例（CUDA 12.1）：pip install torch torchvision --index-url https://download.pytorch.org/whl/cu121；仅 CPU：pip install torch torchvision --index-url https://download.pytorch.org/whl/cpu。
• 可用性验证脚本：
  • import torch; print(torch.__version__, torch.version.cuda, torch.cuda.is_available())
• 常见坑：
  • “CUDA driver version is insufficient”：升级 NVIDIA 驱动 并重启。
  • Windows 下 DLL 加载失败：安装 Microsoft C++ Redistributable，避免中文与空格路径。
  • SSLCertVerificationError：优先修复证书/网络，不长期使用 --trusted-host。