怎么查看Python已安装的第三方库及版本信息

一、命令行全量查看：批量列出所有已安装的库

在日常开发和运维中，最直接的方式是在操作系统终端（Windows 的命令提示符/PowerShell，或者 macOS/Linux 的 Terminal）中运行 pip 相关命令。

1. 格式化表格显示：pip list

执行 pip list 会以两列整齐的表格形式，按字母顺序列出当前 Python 环境下安装的所有包名称和对应版本号：

pip list

如果希望以 JSON 格式输出，方便脚本自动化解析，可以使用 --format=json 参数：

pip list --format=json

2. 导出精确版本清单：pip freeze

很多开发者会使用 pip freeze。它输出的形式是 包名==版本号，非常适合直接重定向到 requirements.txt 文件中用于项目依赖归档：

pip freeze

3. 在全量列表中过滤指定库

当安装的包数量多达数百个时，肉眼翻找效率较低，可以配合系统的管道命令进行关键字过滤：

• Windows（PowerShell 或 CMD）：使用 findstr 筛选：

  pip list | findstr requests

• macOS / Linux：使用 grep 筛选：

  pip list | grep requests

二、单库深入分析：使用 pip show 掌握元数据

在排查程序报错或依赖冲突时，只知道库的版本号往往是不够的。我们需要知道：这个库被安装在了硬盘的哪个具体目录下？它依赖了哪些其他库？又有哪些库依赖了它？

这时候，pip show <库名> 是最具价值的命令。

pip show requests

关键输出字段的排查价值如下：

• Version：当前运行环境中该库的实际安装版本号。
• Location：该库在硬盘中的实际解压与安装路径（site-packages 所在位置）。如果机器上装了多个 Python，可以通过这个路径立刻确定调用的到底是系统 Python、Anaconda 还是 Virtualenv。
• Requires：本库运行必须依赖的其他第三方库。如果这里列出的库缺失，导入时就会报错。
• Required-by：有哪些其他的库依赖了当前库。如果要卸载或者升级某个库，先看这个字段，可以避免破坏上层依赖。

如果需要查看该库具体向系统写入了哪些 .py 文件或可执行脚本，还可以加上 -f（或 --files）参数：

pip show -f requests

三、代码内部动态查看：在 Python 运行时获取版本

在编写自动化脚本、插件系统或需要针对不同库版本兼容不同 API 时，我们通常需要在 Python 代码内部直接读取安装包的版本号。

1. 现代官方标准做法：importlib.metadata（Python 3.8+）

自 Python 3.8 起，官方内置了 importlib.metadata 标准库模块。这是目前最推荐的做法，它有两大显著优势：

• 不需要 import 目标包本身：通过读取包的元数据文件即可获得版本，避免了因为导入重量级大包（如 TensorFlow、PyTorch）而消耗大量内存或触发依赖初始化的开销。
• 官方标准库：无需额外安装任何第三方依赖。

from importlib.metadata import version, PackageNotFoundError

try:
    pkg_ver = version("requests")
    print(f"requests 已安装，版本为: {pkg_ver}")
except PackageNotFoundError:
    print("requests 库尚未安装！")

如果希望遍历当前运行环境中所有已安装的库名称及版本，可以使用 distributions()：

from importlib.metadata import distributions

# 打印所有已安装包及版本
for dist in distributions():
    print(f"{dist.metadata['Name']} == {dist.version}")

2. 传统属性做法：__version__ 属性

很多第三方库会在自己的顶层包命名空间中定义 __version__ 属性：

import requests
print(requests.__version__)

四、避坑指南：为什么查到了库，代码跑起来却报 No module named？

在所有关于 Python 库版本查看的问题中，最高频的困扰往往是：“在终端执行 pip list 看到某个库明明存在，但一运行 .py 文件就报 ModuleNotFoundError。”

产生这一现象的本质原因，通常是操作系统的环境变量中存在多个 Python 解释器，终端里的 pip 和当前脚本执行的 python 指向了不同的安装路径。

1. 核心解决方案：使用解释器绑定语法

避免多环境混淆的“黄金法则”是：永远不要单独输入裸命令 pip，而是显式使用 python -m pip。

# 绑定当前具体的 python 解释器执行查询
python -m pip list

# 查看指定库的版本与详情
python -m pip show requests

通过在前面加上 python -m，可以保证调用的是当前指定 python 对应的那个 pip，从而确保查到的安装列表与代码执行时加载的库完全一致。

2. 确认当前 Python 和 pip 的实际物理路径

如果系统安装了多个 Python（例如系统自带 Python、官网下载的 Python 3.11、Anaconda、VS Code 虚拟环境），建议先查明路径：

• Windows 终端：

  where python
  where pip

• macOS / Linux 终端：

  which python3
  which pip3

• 在 Python 交互式环境中确认执行路径：

  import sys
  print(sys.executable)

3. 虚拟环境（Virtual Environment）的激活确认

如果你正在使用 venv 或 conda：

• 使用 venv 时，确保命令行提示符最前面带有 (venv) 或虚拟环境文件夹名。未激活状态下执行 pip list 看到的是全局库，而激活后看到的才是当前隔离项目的专属库。
• 如果使用 Anaconda / Miniconda，可以使用 conda 专用命令快速查看：

  conda list

五、常用查询场景与速查参考

为了便于在不同业务场景下快速做出选择，下表整理了各种查看需求所对应的最佳实践命令：