Linux系统安装Python指南:Ubuntu/CentOS常用命令与源码编译

凌晨两点半
凌晨两点半
发布时间:2026-11-17| 3人浏览过
原创

针对Ubuntu与CentOS两大Linux主流环境,系统梳理包管理器快速安装、PPA扩展源以及从官方源码编译安装Python的完整命令、配置细节与避坑指南。

在 Linux 服务器或开发环境中部署 Python,核心在于根据系统生态与业务诉求选择正确途径:既可以通过包管理器迅速获取稳定运行环境,也可以通过源码编译构建特定版本并激活性能优化。本文分别梳理 Ubuntu 与 CentOS 下的标准安装命令、源码编译全流程,以及防止覆盖底层系统解释器的隔离配置准则。

一、安装方案权衡:包管理器与源码编译

在 Linux 平台上安装 Python,主要有两条实现路径:系统官方包管理器(APT / YUM / DNF)与官方源码编译(Source Compilation)。选择哪种方式取决于项目的具体约束与生命周期需求。

包管理器安装的最大优势在于自动化与维护简便,系统会自动处理共享动态库与核心依赖,安装迅速且能够随系统更新平滑升级。然而,发行版官方仓库收录的 Python 版本通常相对保守,未必包含特定项目所需的最新特性或旧次版本。

源码编译安装则赋予开发者完全的控制权:不仅可以自由指定任意 Python 小版本,还能在编译阶段启用 --enable-optimizations 等构建参数以提升运行时性能。但编译过程需要预先补齐完整的 C/C++ 编译链与各类头文件依赖,并且在最终写入时必须格外警惕避免破坏系统工具依赖的解释器环境。

Linux系统安装Python指南:Ubuntu/CentOS常用命令与源码编译
图 1:Linux 下 Python 安装路径决策流程,涵盖包管理器、PPA 及源码编译适用场景

二、Ubuntu 环境下使用 APT 安装 Python

Ubuntu 官方镜像已预装 Python 3 作为系统基础组件。首先应明确核心准则:切勿卸载系统自带的 python3,也不要把系统的 python3 软链接强行指向第三方版本。Ubuntu 内部的大量系统维护工具(如 update-manager、software-properties-common 等)直接依赖特定版本的解释器,篡改会导致系统工具失效。

1. 官方源默认版本安装

若官方仓库自带的 Python 满足项目要求,可通过 APT 一并安装 Python 核心组件、包管理工具 pip 以及虚拟环境模块 venv:

sudo apt update
sudo apt install -y python3 python3-pip python3-venv

安装完成后,验证可执行文件位置与版本号:

python3 --version
which python3
示例输出:
Python 3.10.12
/usr/bin/python3

2. 使用 Deadsnakes PPA 获取更新版本

当系统官方源提供的次版本较旧,而项目必须运行在较新的 Python(如 Python 3.11 或 3.12)时,由社区长期维护的 Deadsnakes PPA 是 Ubuntu 平台最直接的解决方案:

# 安装管理第三方仓库的必要工具
sudo apt update
sudo apt install -y software-properties-common

# 添加 deadsnakes PPA 软件源
sudo add-apt-repository -y ppa:deadsnakes/ppa
sudo apt update

# 安装指定版本 Python 及其虚拟环境组件(以 Python 3.11 为例)
sudo apt install -y python3.11 python3.11-venv python3.11-dev

安装完成后,系统会保留默认的 python3 命令不变,同时生成独立的 python3.11 命令。读者可以直接通过该独立二进制创建虚拟环境:

python3.11 -m venv my_project_env

三、CentOS / RHEL 环境下使用 YUM / DNF 安装

CentOS / RHEL 系列发行版对底层 Python 存在极强依赖(如 CentOS 7 深度依赖 Python 2.7 维持 yum 运行,CentOS 8 / Rocky Linux 依赖 Python 3.6+ 维持 dnf 运行)。因此在包管理操作中,同样遵循“独立安装、互不混淆”的原则。

1. CentOS 7 安装 Python 3

CentOS 7 官方 Base 源仅提供 Python 2,需要通过 EPEL(Extra Packages for Enterprise Linux)源获取 Python 3 支持:

# 启用 EPEL 扩展仓库
sudo yum install -y epel-release

# 安装 Python 3 及其包管理工具和头文件
sudo yum install -y python3 python3-pip python3-devel

注意安装 python3-devel,该开发包提供了 C 扩展头文件,后续通过 pip 安装诸如 psycopg2、numpy 等含有 C 扩展的三方库时必不可少。

2. CentOS 8 / Rocky Linux / AlmaLinux 安装

在基于 RHEL 8/9 的现代衍生版中,dnf 支持模块化流(Application Streams),允许开发者直接选择特定的 Python 版本流:

# 列出当前可用的 Python 模块流
sudo dnf module list python3*

# 启用并安装指定版本的模块流(以 Python 3.9 为例)
sudo dnf module enable -y python39
sudo dnf install -y python39 python39-devel python39-pip
Linux系统安装Python指南:Ubuntu/CentOS常用命令与源码编译
图 2:Ubuntu 与 CentOS 包管理器在组件拆分、依赖库与系统安全性上的对照

四、官方源码编译安装:从依赖到多版本共存

当包管理器提供的版本不符合预期,或需要启用官方特定优化开关时,源码编译是最稳妥且通用的方案。整个过程包含六个标准步骤:安装构建依赖、下载解压、参数配置、并行编译、安全写入以及路径验证。

步骤一:安装编译构建依赖

Python 解释器在编译时会检测系统当前安装的 C 库。若未预先安装对应的开发头文件,编译并不会报错中断,而是直接跳过相关模块的生成,导致后续运行中出现 _ssl、_sqlite3 或 _ctypes 缺失等隐蔽错误。因此必须先补齐构建依赖。

Ubuntu / Debian 环境运行:

sudo apt update
sudo apt install -y build-essential zlib1g-dev libncurses5-dev libgdbm-dev \
    libnss3-dev libssl-dev libreadline-dev libffi-dev libsqlite3-dev \
    wget libbz2-dev liblzma-dev

CentOS / RHEL 环境运行:

sudo yum groupinstall -y "Development Tools"
sudo yum install -y openssl-devel bzip2-devel libffi-devel \
    zlib-devel readline-devel sqlite-devel xz-devel wget

步骤二:下载与解压官方源码

从 Python 官方服务器获取稳定版源码包并解压(以 Python 3.11.8 为例):

# 进入临时工作目录
cd /usr/src

# 下载源码归档
sudo wget https://www.python.org/ftp/python/3.11.8/Python-3.11.8.tgz

# 解压并进入解压目录
sudo tar -xf Python-3.11.8.tgz
cd Python-3.11.8

步骤三:执行配置脚本(./configure)

运行 configure 脚本检测环境并生成 Makefile。建议携带以下核心参数:

sudo ./configure --enable-optimizations --with-ensurepip=install

参数解释:

  • --enable-optimizations:启用 Profile Guided Optimization(PGO)与 Link Time Optimization(LTO),通过在编译阶段运行一套基准测试用例来针对热点代码进行优化,可使最终生成的解释器执行速度提升 10%~20%,代价是编译时间稍长。
  • --with-ensurepip=install:在安装解释器时同步编译并安装对应版本的 pip 工具。

步骤四:多核并行编译

利用 nproc 命令获取当前机器的 CPU 物理核心数,启动多线程并行构建,避免单线程编译漫长等待:

# 查看核心数并启动多进程编译
sudo make -j $(nproc)

步骤五:安全安装——使用 make altinstall

这是整套编译安装中最关键的环节:必须执行 make altinstall,严禁执行 make install。

核心原因:执行 make install 会在目标目录(默认 /usr/local/bin)创建通用的 python3 和 pip3 软链接,如果系统环境变量 PATH 中 /usr/local/bin 优先于 /usr/bin,系统默认的 python3 将被新编译的版本替换,破坏系统工具。而 make altinstall 只会创建携带具体版本号的文件(如 python3.11 和 pip3.11),绝不碰触无版本号的 python3 链接。
# 执行替代安装
sudo make altinstall

步骤六:检查安装结果与可执行路径

/usr/local/bin/python3.11 --version
/usr/local/bin/pip3.11 --version
示例输出:
Python 3.11.8
pip 24.0 from /usr/local/lib/python3.11/site-packages/pip (python 3.11)
Linux系统安装Python指南:Ubuntu/CentOS常用命令与源码编译
图 3:Python 源码编译构建六大阶段,标明依赖处理与 make altinstall 安全防护机制

五、多版本共存体系与常见陷阱排查

当 Linux 主机上共存多个版本的 Python 时,若缺乏清晰的隔离规则,极易引发依赖冲突。维护多版本共存的黄金法则可概括为两点:“不动系统符号链接,项目一律使用虚拟环境”。

1. 虚拟环境(venv)的标准使用模式

不要使用 sudo pip install 将第三方包直接安装到全局环境。无论是由包管理器安装还是源码编译的 Python,都应通过该版本创建独立的虚拟沙箱:

# 使用编译安装的 Python 3.11 创建虚拟环境
/usr/local/bin/python3.11 -m venv /opt/my_app_env

# 激活虚拟环境
source /opt/my_app_env/bin/activate

# 此时 python 与 pip 均自动重定向至沙箱内
which python
pip install requests numpy

# 退出虚拟环境
deactivate

2. 常见编译报错与排查方案

错误表现 根本原因 修复方法
ModuleNotFoundError: No module named '_ssl' 编译时系统中未安装 OpenSSL 开发头文件,导致 Python 无法构建内置 ssl 模块。 Ubuntu 安装 libssl-dev,CentOS 安装 openssl-devel,随后重新执行 ./configure 与 make altinstall。
ModuleNotFoundError: No module named '_ctypes' 缺少外部函数调用接口库 libffi,这是调用 C 动态库的基础模块。 Ubuntu 安装 libffi-dev,CentOS 安装 libffi-devel 后重新编译。
zipimport.ZipImportError: can't decompress data; zlib not available 系统缺少 zlib 压缩解压库头文件。 Ubuntu 安装 zlib1g-dev,CentOS 安装 zlib-devel 后重新编译。
CentOS 7 编译现代 Python 提示 GCC 版本过低 CentOS 7 默认 GCC 为 4.8.5,不完全支持部分 C11 标准特性。 安装并启用 SCL 的高版本开发工具集:yum install centos-release-scl && yum install devtoolset-9 && scl enable devtoolset-9 bash。
Linux系统安装Python指南:Ubuntu/CentOS常用命令与源码编译
图 4:Linux 下 Python 多版本安全共存分层模型,从底层动态库到独立虚拟环境的全景解耦

六、总结与关键实践清单

在 Linux 上管理 Python 环境,归根结底是在“便捷性”与“系统稳定性”之间建立明确边界。梳理核心操作原则如下:

  • 优先使用包管理器:生产服务器环境若只运行常规脚本,优先选择发行版维护的 APT 或 YUM 包,享受自动安全补丁更新。
  • 编译必须补齐依赖:执行源码构建前,确保 libssl-dev、zlib1g-dev 和 libffi-dev 等核心开发包就绪,防止生成功能残缺的解释器。
  • 坚守 make altinstall:源码编译写入时,坚决杜绝 make install,防止覆盖 /usr/bin/python3 导致基础系统工具崩塌。
  • 开发落地使用 venv:每个业务应用必须拥有独立的虚拟环境,禁止向全局 Python 目录乱装三方包,保持主机环境清爽可控。
相关专题:

免责声明:本文内容仅供参考,不代表本站观点。转载或引用请注明出处。

Python 相关产品和应用

全部下载
Selenium

Selenium

4.51.0 · Windows

用于浏览器自动化和 Web 测试的 Python 工具。

scikit-learn

scikit-learn

1.9.1 · Windows

常用 Python 机器学习算法与模型评估工具库。

Black

Black

26.10.1 · Windows

强调一致性的 Python 自动代码格式化工具。

Ruff

Ruff

0.17.1 · macOS

由 Rust 编写的高速 Python 代码检查和格式化工具。

pytest

pytest

9.1.1 · Windows

简洁而强大的 Python 自动化测试框架。

FastAPI

FastAPI

0.146.0 · Windows

高性能 Python API 框架,支持类型提示和自动接口文档。

Flask

Flask

3.1.3 · Windows

轻量灵活的 Python Web 应用框架。

Django

Django

6.1.2 · Windows

成熟的 Python Web 框架,适合构建内容站点和业务系统。

Spyder

Spyder

6.1.7 · Windows

面向科学计算与数据分析的 Python 集成开发环境。

SciPy

SciPy

1.18.1 · Windows

面向科学、工程和技术计算的 Python 算法库。