我见过太多人倒在了Python学习的第一步上：不是Python本身难，而是环境没装明白。明明照着教程敲了三行代码，结果不是提示“python不是内部或外部命令”，就是跑到某个不知名的文件夹里装了一堆不明来历的包，最后连自己用的到底是哪个解释器都说不清。
这篇文章不打算讲高深的东西，就把“Python安装及简单脚本测试”这件事从头到尾捋清楚。我会从版本选择、安装细节、环境变量配置，到写完第一个脚本、跑通一次完整测试，再到几个新手几乎必踩的坑，整个过程都用实际经历来还原。你不需要有任何编程基础，只要愿意跟着一步步操作，半小时内就能把Python环境弄得明明白白，并且亲手跑通属于自己的第一个脚本。
1. 装Python之前，先把版本和安装方式搞清楚
很多教程一上来就让你去官网下载最新版，然后一路“下一步”到底。这个流程没毛病，但对于完全没有经验的人来说，有几个关键问题不先想清楚，后面会非常被动。
1.1 版本选择：别盲目追新，也别迷信旧版
先说结论：如果你是纯新手、没有历史项目包袱，选当前稳定的Python 3.x系列就行，具体来说就是3.10到3.12这个区间内的最新小版本。
为什么不建议追最新的大版本？因为生态里的第三方库需要时间适配。我记得有一年Python发布了新的3.13版本，某些常用的数据分析库还没跟上，你兴冲冲装完发现import就报错，查了半天发现是版本兼容问题，这就非常打击学习积极性。而太老的3.6、3.7版本，一方面官方已经停止维护，另一方面一些新语法特性用不了，遇到问题网上能搜到的解决方案也会变少。
还有一个小提醒：千万不要在Windows系统上从Microsoft Store安装Python。虽然商店里确实有Python应用，但它的安装路径和权限管理方式跟常规安装差异很大，后续用pip装包、配置虚拟环境都可能出现莫名其妙的问题。老老实实从官网下载安装包，是最不容易出错的方式。
1.2 安装包选择：64位还是32位
现在绝大多数电脑都是64位系统了，但有少量老电脑还是32位。怎么判断？Windows系统在“设置 -> 系统 -> 关于”里能看到系统类型，也可以右键“此电脑”选“属性”查看。选择对应的安装包即可，一般选64位不会错。如果选错了，Python也能装上，但某些依赖底层的第三方库可能会因为架构不匹配而无法安装。
1.3 安装过程中最关键的一步：勾选“Add Python to PATH”
这是整个安装流程中最重要、也最容易被忽略的一个选项。安装包打开后，第一个界面左下角有一个复选框，写着“Add Python to PATH”。默认是没勾选的，需要你手动勾上。
PATH是什么？你可以把它理解成一个“目录索引清单”。当你在命令行里输入python这个单词时，系统会按照PATH里记录的目录逐个查找，看哪个目录下存在python.exe文件，找到了就执行它。如果没有把Python的安装目录加进PATH，系统就会回复“python不是内部或外部命令”，这就是很多人装完Python后第一条报错的来源。
勾选之后，继续往下走，在安装类型那里，如果你硬盘空间不紧张，建议直接选“Customize installation”或者“Install Now”。选“Install Now”也能用，但选自定义安装，你能看到更多选项，比如“Install for all users”（为所有用户安装）。这个选项建议勾上，否则某些操作需要管理员权限时会比较麻烦。
2. 验证环境：一个命令确认装没装对
安装完成后，很多人迫不及待地打开IDLE或者某个编辑器开始写代码。但我的建议是：先打开命令行窗口，做一次环境验证。
2.1 打开命令行并确认Python版本
Windows下按Win + R，输入cmd回车，就打开了命令行窗口（也叫终端）。在里面输入：
python --version如果显示类似Python 3.11.5这样的信息，说明安装成功且PATH配置正确。
如果你的系统装了多个Python版本，输入python --version后可能显示的是其中一个。怎么确认当前用的是哪一个？输入：
where python这个命令会把PATH里所有python.exe的完整路径列出来。从上到下，第一个就是当前生效的解释器。这个信息非常有用，很多环境混乱的问题都可以靠这个命令排查出来。
2.2 pip的确认与升级
pip是Python的包管理器，相当于手机里的应用商店。你用pip来安装各种第三方库。安装Python时一般会自带pip，验证一下：
pip --version如果提示找不到pip，可以尝试：
python -m pip --versionpython -m pip的意思是“用python解释器去运行pip这个模块”，这种写法比直接敲pip更保险，因为它明确指定了用哪个Python来执行pip。这也是我推荐新手养成的习惯：涉及包管理操作时，优先用python -m pip，能最大限度避免“装到了别的Python里”这种问题。
不出意外的话，你会看到pip版本号。这时候建议顺手升级一下pip，因为新装的pip往往不是最新版：
python -m pip install --upgrade pip这一步不是必须的，但升级后装包的成功率和速度都会好一些。
2.3 运行一段Python代码验证解释器正常
命令行里还可以直接进入Python的交互模式。输入python回车，你会看到类似>>>的提示符，这说明你进入了Python的交互环境。这里可以一行一行地执行Python代码。
print("Hello, Python")回车后，屏幕上输出Hello, Python，这是你运行的第一行Python代码。输入exit()或者按Ctrl + Z再回车，退出交互模式。
这个验证过程虽简单，但非常有价值。它确认了你的Python解释器本身能正常工作，后续写脚本如果出问题，就可以排除环境层面的因素。
3. 三个简单脚本，从零开始理解“写代码→跑代码”的完整流程
环境就绪，接下来就是写真正的脚本文件了。很多新手分不清“交互模式”和“脚本文件”的区别，这里我多说一句：交互模式适合临时验证一两行代码，而脚本文件是把你的一段程序保存成.py文件，然后一次性执行。实际做项目时，几乎都是在写脚本文件。
写脚本文件需要一个文本编辑器。这里推荐新手用VS Code（Visual Studio Code的简称），免费、跨平台、插件丰富。你不需要一开始就去折腾那些复杂的功能，只要会新建文件、保存、运行就够了。当然，用系统自带的记事本也可以，但记事本没有语法高亮，代码看着费劲，而且保存时容易搞出编码问题（这个后面专门讲）。
3.1 第一个脚本：输入输出与变量赋值
新建一个文本文档，改名为first_script.py，注意后缀是.py而不是.txt。用编辑器打开，输入：
name = input("请输入你的名字：") print(f"你好，{name}！欢迎来到Python的世界。") age = 25 print(f"我今年{age}岁。")在命令行里，切换到脚本所在目录，然后执行：
python first_script.py程序会提示你输入名字，输入后回车，就会看到两行输出信息。
这个脚本涉及了三个核心概念：变量（把数据存起来）、输入（从用户那里获取信息）、输出（把结果显示出来）。f前缀的字符串叫f-string，是Python 3.6之后引入的格式化写法，里面用大括号包裹变量名，运行时会把变量值替换进去。这是目前最常用的字符串格式化方式，建议直接学会用它。
3.2 第二个脚本：文件读写与异常处理
第一个脚本只用了Python自带的基础函数，第二个脚本我们来接触文件操作和异常处理。这两个能力在后面的开发中会经常用到。
新建file_demo.py，输入：
try: with open("notes.txt", "r", encoding="utf-8") as f: content = f.read() print("文件内容如下：") print(content) except FileNotFoundError: print("文件不存在，将创建并写入新内容。") with open("notes.txt", "w", encoding="utf-8") as f: f.write("这是第一行笔记。\n") f.write("这是第二行笔记。\n") print("创建完成，再次运行本脚本即可读取内容。")第一次运行时，因为notes.txt还不存在，你会走异常分支，创建文件并写入两行内容。第二次运行时，文件已经存在，就能正常读取并打印了。
这一段代码里，with open(...) as f是Python非常推荐的文件操作写法。它会在代码块结束后自动关闭文件，不需要手动调用close()方法，能有效避免文件句柄泄漏的问题。encoding="utf-8"是指定文件编码，这个参数后面还会关系到乱码问题，先记住这个写法。
try...except...是异常处理机制。程序在运行过程中难免遇到意外情况，比如文件不存在、网络断开、数字格式错误等等。如果不处理，程序会直接崩溃并抛出一长串红色的错误信息。通过异常处理，你可以捕捉到特定类型的错误，并让程序做出更友好的响应。
3.3 第三个脚本：使用第三方库做一点有趣的事
前两个脚本只用Python标准库，但Python之所以强大，很大程度上是因为拥有海量的第三方库。我们用一个最简单的例子来体验“装库”和“用库”的完整流程。
安装requests库——这是一个用于发送HTTP请求的库，简单说就是你可以在代码里访问网页接口、获取数据：
python -m pip install requests安装完成后，新建web_demo.py，输入：
import requests url = "https://httpbin.org/get" try: response = requests.get(url, timeout=5) print("状态码：", response.status_code) print("返回内容：") print(response.text[:300]) except requests.exceptions.RequestException as e: print("请求出错了：", e)运行这个脚本，如果网络正常，你会看到状态码200和一段JSON格式的返回内容。httpbin.org是一个专门用于测试HTTP请求的公共网站，不需要注册，随便用。
这个流程别看简单，它对应了开发中的标准操作：安装依赖、导入模块、调用接口、处理异常、查看结果。把这一套流程理解了，你以后学任何Python第三方库都会觉得熟悉。
4. 新手最容易翻车的三个场景及排查方法
按前面步骤操作，顺利的话30分钟就能跑通所有脚本。但实际过程中，总有一些意外情况会跳出来。我把几个高频问题单独拿出来讲，每个都是我亲眼见过、甚至自己踩过的情况。
4.1 场景一：系统里有两个Python，pip装到了“另一个”里
这是最经典的环境混乱问题。有的人电脑里之前装过Anaconda，后来又在官网装了Python，或者自己装过不同版本的Python。当你直接敲pip install xxx时，系统用的pip可能属于这个Python，而你的.py脚本运行时用的却是另一个Python，两边对不上号，就会发生“明明装了requests，一运行却提示ModuleNotFoundError”。
解决方案就是统一使用python -m pip这一格式。python解释器是当前命令行默认的那个，python -m pip会调用跟这个解释器匹配的pip，安装路径不会错。装完之后再运行python -m pip list查看当前解释器能识别到的所有库，确认你要的库已经出现在列表里。
如果实在混乱到无法收拾，最简单的办法是把所有Python相关程序都卸载干净，重新按本文的流程安装一遍。别觉得丢人，环境干净对新手来说比什么都重要。
4.2 场景二：Python文件中的中文变成了乱码
用记事本写Python文件，保存时默认用的可能是GBK或者ANSI编码，而Python 3默认按UTF-8读取源代码文件，两边不一致就会导致中文乱码。
这个问题的答案很明确：写代码的编辑器保存文件时，统一选择UTF-8编码。VS Code在右下角能看到当前文件的编码格式，点击它可以选择“Save with Encoding”，选UTF-8保存即可。
另外，读取外部文本文件时也容易出现编码问题。你读取某个文件时，最好明确指定编码，例如前面代码里的encoding="utf-8"。如果文件本身是GBK编码的，指定UTF-8去读会报错，这时改成encoding="gbk"就行。
一个判断技巧是看报错信息：如果是UnicodeDecodeError，说明是读取时编码不匹配；如果是UnicodeEncodeError，说明是输出时编码不匹配（比如把中文打印到Windows命令行窗口时，窗口默认编码可能不支持）。Windows命令行可以执行chcp 65001临时切换为UTF-8代码页，能解决一部分中文显示乱码的问题。
4.3 场景三：安装第三方库时出现大面积红色报错
看到一屏红色文字，新手很容易慌。实际上，大部分安装报错可以归为几类。
一类是网络问题。pip默认从海外源下载，国内网络环境下速度慢、容易超时。解决办法是切换到国内镜像源，比如清华、阿里云的PyPI镜像。执行命令时可以临时指定：
python -m pip install requests -i https://pypi.tuna.tsinghua.edu.cn/simple如果不想每次手动加参数，可以修改pip配置文件，把镜像源设为默认。Windows下配置文件路径一般是%APPDATA%\pip\pip.ini，里面写入：
[global] index-url = https://pypi.tuna.tsinghua.edu.cn/simple另一类错误是你当前Python版本太老或太新，第三方库不支持。这类错误信息里通常能看到Python版本号或者某个编译相关的关键词。解决办法就是换一个合适的Python版本。
还有一类是缺少编译工具链，比如安装某些包含C扩展的库时，Windows下需要Microsoft C++ Build Tools。这类问题通常有现成的预编译包，先升级pip再重试往往就能解决，因为新版pip能下载到对应平台的预编译wheel包，不需要本地编译。
4.4 一个排查工具：用最小代码定位问题
遇到任何“装好了却用不了”的情况，我都建议你做一个最小化验证。别在一堆代码里找原因，先打开命令行，输入python进入交互模式，然后一行一行地执行：
import requests print(requests.__version__)第一行负责导入库，第二行打印库的版本号。如果导入成功，说明库被当前解释器正确识别；如果在这一步就报错，问题基本锁定在环境上，而不是你的业务代码上。
这种排查思维方式越早建立越好：把问题拆到最小可复现的单元，再逐一排查，远比盯着几百行代码发愁高效。
5. 关于编辑器选型和“写脚本”的几个实在建议
很多教程会把编辑器推荐放在很前面，但我觉得等环境搞定、脚本跑通之后再选编辑器更合理。因为这时候你已经知道“代码是怎么运行起来的”，编辑器对你来说就只是一个更顺手的工具，而不是一个需要同时学习的负担。
VS Code是我给大多数新手的推荐。装上Python扩展之后，它会提供语法高亮、代码补全、错误提示、一键运行等功能。你用不用这些功能都不影响学习，但一旦习惯了，效率提升非常明显。
有几个设置建议在VS Code里提前配好：
- 缩进：Python用缩进表示代码块，不同编辑器里缩进单位不统一会造成麻烦。VS Code里可以把Tab键统一转换为4个空格，这样无论在哪台机器上打开文件都不会乱。
- 默认编码：把文件保存的默认编码设为UTF-8，从源头杜绝乱码问题。
- 终端集成：VS Code内置终端，可以在编辑器窗口下方直接开命令行，省去来回切换窗口的麻烦。在命令面板里搜索“Terminal: Create New Terminal”就能打开。
还有人问要不要用Anaconda。我的看法是：如果你只是学Python基础、写写脚本，先不用上Anaconda。它自带一大堆科学计算库，对数据分析和机器学习很有用，但它同时也会引入自己的一套环境管理机制，对新手来说属于额外复杂度。等你有明确的数据分析需求了，再考虑它也不迟。
虚拟环境这个概念我建议晚一点接触。它是用来隔离不同项目的库依赖的，比如项目A要用requests 2.x，项目B要用3.x，互不干扰。新手阶段先在全局环境里把基础玩熟，等开始写像样的项目了，再回来学虚拟环境会轻松很多。到那时你已经有足够经验来理解“为什么要隔离”，而不是被这个概念一开始就挡住。
6. 下一步怎么走：把你的脚本变成能反复使用的小工具
跑通上面的示例脚本之后，你已经有能力做一件很有成就感的事：把常用操作封装成一个小工具脚本，让它能反复使用。
举一个我自己的例子。刚学Python不久时，我经常需要批量重命名文件夹里的文件，比如把一堆“IMG_001.jpg”改成“2025_01_01_backup_001.jpg”。这个操作手动来一个个改非常烦，用Python写一个脚本则几秒钟就能跑完。
思路很简单：用os.listdir列出目录下所有文件，用os.rename改文件名，再用一段简单的循环搞定。当你把一个原来需要重复十次的机械操作变成了一个python rename_tool.py命令，你会真正体会到编程的价值——它不是课堂上应付作业的知识点，而是能解决你实际问题的工具。
这个阶段你可以给自己定一个小目标：找一个你日常生活中经常重复、纯手动操作烦人的小任务，用Python写一个脚本去简化它。任务不用大，哪怕只是整理文档、批量改格式、定期备份文件都行。写完之后，你就完成了从“跟着教程敲代码”到“为自己写代码”的第一次跳跃。
Python入门并不需要你事先掌握多少计算机知识，它更像是一把工具，你可以先用起来，再慢慢理解它内部运作的原理。安装和跑通脚本只是第一个台阶，但这第一个台阶如果走得稳，后面学什么都会省心很多。如果你在操作过程中遇到了跟文章里不太一样的情况，先回到命令行用where python和python -m pip list看看当前环境的状态，再沿着最小化验证的思路去排查，大部分问题都能自己揪出来。
