Construction d'environnement pour ceux qui veulent étudier Python facilement avec VSCode (pour Mac)

introduction

"Maintenant, étudions Python" Quand j'ai commencé à enquêter pour commencer par penser à créer un environnement, "Homebrew ..." "Check Path ..." "Default version ..." Suis-je le seul à penser qu'il existe de nombreuses branches qui tentent de briser le cœur des débutants?

Je pense qu'il y a plusieurs façons, mais Je crée simplement un environnement à l'aide des extensions Docker et Visual Studio Code (VSCode). J'ai senti que ce serait facile et sans tracas, alors je vais en garder une trace.

Si vous avez d'autres recommandations, je vous serais reconnaissant de bien vouloir commenter.

Installation

Téléchargez et installez chacun à partir du site officiel.

Docker Desktop

Visual Studio Code

Docker est un service qui vous permet de créer des machines virtuelles. Vous devez créer un compte lorsque vous l'utilisez pour la première fois.

Cet article est très facile à comprendre pour installer VS Code. Procédure pour installer Visual Studio Code sur MacOS

Mettre des extensions dans VS Code

Ouvrez VS Code.
Depuis l'extension Remote --Containers Installez .

Préparer les répertoires et les fichiers

Créez un nouveau dossier
Créez un dossier nommé .devcontainer
Créez un fichier appelé devcontainer.json dedans
Créez deux fichiers, Dockerfile et docker-compose.yaml, dans le dossier «1.».

Écrire divers fichiers de paramètres

Dockerfile J'ai spécifié la version python comme 3.9. Autopep8 pour le formatage automatique du code source dans VSCode, L'outil d'analyse de code «pylint» est également inclus.

`Dockerfile`


FROM python:3.9
USER root

RUN apt-get update && apt-get -y install locales git wget unzip vim && \
    localedef -f UTF-8 -i ja_JP ja_JP.UTF-8
ENV LANG ja_JP.UTF-8
ENV LANGUAGE ja_JP:ja
ENV LC_ALL ja_JP.UTF-8
ENV TZ JST-9
ENV TERM xterm

ARG DEBIAN_FRONTEND=noninteractive

RUN pip install -U pip && \
    pip install -U autopep8 && \
    pip install -U pylint

VOLUME /root/

docker-compose.yaml Plus tard, VSCode examinera ce fichier et fera build et up -d.

`docker-compose.yaml`


version: "3.8"
services: 
  python3.9:
    build: 
      context: .
      dockerfile: Dockerfile
    volumes:
      - .:/root/
    working_dir: /root/
    tty: true

devcontainer.json Vous pouvez utiliser l'environnement qui peut être fait ci-dessus sans ce fichier, Vous avez besoin de ce fichier pour accéder facilement à l'environnement à partir de VS Code.

(* Veuillez mettre ce fichier dans le dossier .devcontainer) (Pour changer l'affichage des fichiers cachés à partir du Finder, vous pouvez utiliser commande + shift +. (Point))

`devcontainer.json`


{
	"name": "Python3.9",

	"dockerComposeFile": [
		"../docker-compose.yml"
	],

	"service": "python3.9",

	"workspaceFolder": "/root/",

	"settings": { 
		"terminal.integrated.shell.linux": null
	},

	"extensions": [
		"ms-ceintl.vscode-language-pack-ja",
		"ms-python.python",
		"oderwat.indent-rainbow",
		"almenon.arepl"
	]
}

Les extensions suivantes sont automatiquement installées dans les extensions.

"Japanese Language Pack" pour traduire VS Code en japonais
"Python" pour Python
"Indent-rainbow" pour rendre le retrait plus facile à voir
"AREPL for python" qui débogue en temps réel

Créer un environnement virtuel à partir de VS Code

1. Ouvrez la télécommande

Sélectionnez l'icône comme l'image ci-dessous en bas à gauche

2. Sélectionnez "Ouvrir le dossier dans le conteneur"

3. Sélectionnez le dossier que vous avez créé ci-dessus

4. La préparation de la machine virtuelle commence

<img width="400" height=auto" src="https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/499855/6bedfa82-c6f9-8091-c968-22aca232c62c.png "> Si vous cliquez sur "afficher le journal", vous pouvez voir que des commandes telles que docker-compose up -d sont réellement exécutées, donc si vous voulez voir ce qui se passe dans les coulisses, vous devriez le voir.

Une fois l'environnement créé avec succès, l'écran ci-dessous s'affiche. (J'inclus également des thèmes et des extensions d'icônes, donc l'apparence peut différer.) <img width="600" height=auto" src="https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/499855/dfa97777-6c0c-390d-758c-d789bdfaf8c6.png ">

Vérifiez si Python fonctionne

Vérifiez avec la fonction étendue «AREPL» que vous avez introduite.

1. Créez un fichier `.py` et démarrez `AREPL`

Ici, j'ai créé un fichier nommé test.py. Après l'avoir fait, cliquez sur l'icône en forme de chat comme indiqué dans l'image. <img width="400" height=auto" src="https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/499855/e63da46e-bc25-b28a-ba8f-288d99ff7ff7.png ">

2. Écrivez le code source

Tout va bien, alors écrivons le code source. Vous pouvez voir que les variables et les instructions d'impression sont affichées en temps réel lors de l'écriture.

J'essaye d'imprimer une variable que je n'ai pas définie intentionnellement dans l'image. Il est en état d'être souligné dans l'éditeur pour le moment L'écran AREPL me dit déjà "non défini". <img width="600" height=auto" src="https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/499855/cedb9629-f3a9-2cf5-f5d6-c3402e667c60.png ">

Attention, AREPL ne convient pas aux traitements très lourds. Par exemple, si la plage de l'instruction for ci-dessus dépasse 10 000, la réflexion sera retardée considérablement, bien entendu. Même si vous réduisez le nombre de plages dans cet état, cela ne sera pas reflété tant que l'exécution précédente ne sera pas terminée.

Recommandé pour ceux qui veulent voir le contenu du traitement le plus rapidement possible avec un programme vraiment simple et léger. Sinon, vous ne voudrez peut-être pas utiliser AREPL.

3. Essayez d'utiliser la mise en forme automatique

Il sera soigneusement arrangé avec option + shift + F.

4. Essayez d'exécuter le programme

Vous pouvez exécuter le programme avec F5. Cependant, il est également difficile de sélectionner "Fichier Python" à chaque fois lorsqu'on lui demande le type de débogage comme indiqué ci-dessous.

Par conséquent, créez un fichier de configuration de débogage appelé launch.json dans un dossier caché appelé .vscode. Sélectionnez "Créer un fichier launch.json" dans l'affichage ci-dessous et sélectionnez "Fichier Python", et le fichier sera créé automatiquement. <img width="400" height=auto" src="https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/499855/f4bd64b5-4eaf-5c60-e573-9ffc3cf0d3ee.png ">

Appuyez simplement sur F5 cette fois Le résultat de l'exécution est affiché sur l'écran de la console en bas. <img width="400" height=auto" src="https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/499855/527ffb9d-0322-10d4-045b-dc9ecafecb89.png ">

en conclusion

VS Code a d'autres fonctionnalités utiles pour le débogage qui ne peuvent pas être introduites. Peu importe ce que vous installez dans l'environnement virtuel Il est intéressant de pouvoir reproduire facilement le même environnement sans affecter l'environnement réel. Si vous êtes nouveau dans la création d'un environnement Python et que vous lisez ceci, essayez-le.