• Python3.5 使用Sqlite3


    --------------------

    修雨轩陈@cnblog

     

    Python3.5 使用Sqlite3

     

    python3.5 安装的时候会有很多可选参数,这些参数是默认不提供的,可是当我们想通过pip install、esay_install 的时候却发现无法安装; 在这种情况下,我们只能从新安装python.并在编译的时候添加到可选参数,

    ------------------------

    1 安装Sqlite3

    1.1 下载SQLTLE3:

    https://www.sqlite.org/download.html

    1.2 安装SQLITE 3

    解压后进入sqlite3的目录下

    进行编译:

    $configure –prefix=<你的安装路径> ###这里我设置的是 /usr/local/sqlite

    $make –j4

    $sudo make install

    安装成功之后会输出如下信息:

    /usr/bin/mkdir -p '/usr/local/sqlite/bin'

    /bin/sh ./libtool --mode=install /usr/bin/install -c sqlite3 '/usr/local/sqlite/bin'

    libtool: install: /usr/bin/install -c sqlite3 /usr/local/sqlite/bin/sqlite3

    /usr/bin/mkdir -p '/usr/local/sqlite/include'

    /usr/bin/install -c -m 644 sqlite3.h sqlite3ext.h '/usr/local/sqlite/include'

    /usr/bin/mkdir -p '/usr/local/sqlite/share/man/man1'

    /usr/bin/install -c -m 644 sqlite3.1 '/usr/local/sqlite/share/man/man1'

    /usr/bin/mkdir -p '/usr/local/sqlite/lib/pkgconfig'

    /usr/bin/install -c -m 644 sqlite3.pc '/usr/local/sqlite/lib/pkgconfig'

    make[1]: Leaving directory `/root/workspace/sqlite-autoconf-3170000'

    clip_image002

    2 重新安装python3

    2.1 添加Sqlite3搜索路径

    编辑python3.5.X里面的setup.py, 内容如下 (添加sqlite的搜索路径):

    使用vim setup.py 打开,同时在命令模式下输入:

    /sqlite_inc_paths #用于寻找该字段,如图所示:

    clip_image004

    在这句话中添加自己刚才安装的sqlite路径,由于我之前是在/usr/local/sqlite3下安装的,所以会添加:

    /usr/local/sqlite3/include

    /usr/local/sqlite3/include/sqlite3

    如图所示:

    clip_image006

    2.2 安装python

    ./configure --enable-loadable-sqlite-extensions ## 设置可选项

    PS: 在执行该命令之后, 发现最后输出:

    clip_image008

    这句是说,其实我们打开python的所有可选选项的时候使用 , 换句话说我们可以将所有python 的可选选项打开。

    在Python安装目录中,使用一下两个命令:

    $make –j4 ##这句话是对python 进行编译,如果自己机器上的CPU核数足够多,可以适当的增加-j后面的数字;

    $sudo make install ## 安装编译后的python

    3 验证

    为了验证安装python 是否成功, 可以在/ 目录下查找_sqlite*.so

    find / -name _sqlite*.so

    clip_image010

    继续验证:

    clip_image012

  • 相关阅读:
    webpack 性能优化
    Bert模型实现垃圾邮件分类
    基于SKLearn的SVM模型垃圾邮件分类——代码实现及优化
    sklearn中,数据集划分函数 StratifiedShuffleSplit.split() 使用踩坑
    mysql5.7安装教程【转载】
    Postman 使用小技巧/指南
    如何知道 window 的 load 事件已经触发
    前端常用库 CDN
    使用 rollup 打包可按需加载的 NPM 包
    webpack 4 快速搭建
  • 原文地址:https://www.cnblogs.com/greentomlee/p/6561509.html
Copyright © 2020-2023  润新知