Sublime开发python程序的示例代码

yipeiwu_com6年前Python基础

本文介绍了Sublime开发python程序的示例代码,分享给大家,具体如下:

下载、安装Python程序

https://www.python.org/downloads/

下载、安装 sublime

http://www.sublimetext.com/

关联python

Preferences->Browers Packages ->Python ->Python.sublime-build

修改Python.sublime-build文件,增加python安装路径

{
   "cmd": ["python", "-u", "$file"],
   "path":"D:\Python33",
   "file_regex": "^[ ]*File \"(...*?)\", line ([0-9]*)",
   "selector": "source.python"
}

安装 Package Control

Sublime Package Control 可以说是必须安装的插件, 因为其方便的提供了安装/升级/删除 Sublime 插件的功能

用快捷键 ctrl+shift+p (Win, Linux) 或 cmd+shift+p (OS X), 其中以 Package Control: 开头的都是其相关命令, 最常用的可能就是 Package Control: Install Package, Package Control: Remove Package, Package Control: List Packages 这几个命令了.

安装步骤:view-> Show Console 菜单打开控制台 然后粘贴对应版本的代码回车

适用于 Sublime Text 3:

import urllib.request,os;
pf='Package Control.sublime-package';
ipp=sublime.installed_packages_path();
urllib.request.install_opener(urllib.request.build_opener(urllib.request.ProxyHandler()));
open(os.path.join(ipp,pf),'wb').write(urllib.request.urlopen('http://sublime.wbond.net/'+pf.replace(' ','%20')).read())

适用于 Sublime Text 2:

import urllib2,os;
pf='Package Control.sublime-package';
ipp=sublime.installed_packages_path();
os.makedirs(ipp)ifnotos.path.exists(ipp)elseNone;
urllib2.install_opener(urllib2.build_opener(urllib2.ProxyHandler()));
open(os.path.join(ipp,pf),'wb').write(urllib2.urlopen('http://sublime.wbond.net/'+pf.replace(' ','%20')).read());
print('Please restart Sublime Text to finish installation')

安装插件python 代码自动补全插件(jedi)

ctrl+shift+p 打开 Package Control,然后输入Install Package回车,输入jedi

 以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持【听图阁-专注于Python设计】。

相关文章

使用Python的Flask框架表单插件Flask-WTF实现Web登录验证

使用Python的Flask框架表单插件Flask-WTF实现Web登录验证

表单是让用户与我们的网页应用程序交互的基本元素。Flask 本身并不会帮助我们处理表单,但是 Flask-WTF 扩展让我们在我们的 Flask 应用程序中使用流行的 WTForms 包...

Python生成8位随机字符串的方法分析

本文实例讲述了Python生成8位随机字符串的方法。分享给大家供大家参考,具体如下: #!/usr/bin/env python # -*- coding: utf-8 -*- im...

python3实现elasticsearch批量更新数据

废话不多说,直接上代码! updateBody = { "query":{ "range":{ "write_date": { "g...

python代码实现逻辑回归logistic原理

python代码实现逻辑回归logistic原理

Logistic Regression Classifier逻辑回归主要思想就是用最大似然概率方法构建出方程,为最大化方程,利用牛顿梯度上升求解方程参数。 优点:计算代价不高,易于...

softmax及python实现过程解析

softmax及python实现过程解析

相对于自适应神经网络、感知器,softmax巧妙低使用简单的方法来实现多分类问题。 功能上,完成从N维向量到M维向量的映射 输出的结果范围是[0, 1],对于一个sample的...