概要
在 Python 应用中，为了将配置信息与代码分离、增强安全性并支持多环境（开发、测试、生产）运行，使用专门的模块来管理环境变量是最佳实践。常见工具包括：
-
标准库
os.environ：直接读取操作系统环境变量，适合简单场景； -
python-dotenv：从.env文件加载变量到os.environ，符合十二要素应用 (PyPI)； -
python-decouple：更严格地将配置与代码分离，支持类型转换、INI 和.env双格式文件 (PyPI)； -
environs：简化变量解析与验证，支持多种类型、变量前缀、.env文件和框架集成 (PyPI)； -
django-environ：面向 Django 项目，解析数据库 URL 等特殊变量并填充os.environ(django-environ.readthedocs.io)； -
dynaconf：分层配置系统，支持多格式配置文件（TOML/YAML/JSON/INI）、Vault/Redis、环境变量覆盖和 CLI 工具 (dynaconf.com, dynaconf.readthedocs.io)； -
Pydantic
BaseSettings：利用类型注解和校验，从环境变量或.env文件自动生成配置对象，并内建校验功能 (docs.pydantic.dev)。
下面将逐一介绍这些方案的特点、安装与使用示例，并给出选型建议与最佳实践。
1. 标准库：os.environ
特点
-
直接映射操作系统的环境变量为字典接口，无额外依赖 (GeeksforGeeks)。
-
适用于简单脚本或少量变量的场景。
用法
import os
# 读取
DEBUG = os.getenv('DEBUG', 'False') == 'True'
# 或抛错获取
DATABASE_URL = os.environ['DATABASE_URL']
局限
-
不支持
.env文件或类型转换； -
管理大量环境变量时难以维护；
-
无法本地化加载，开发调试不便利。
2. python-dotenv
安装
pip install python-dotenv
``` :contentReference[oaicite:7]{index=7}
### 主要功能
- 从项目根目录或指定路径的 `.env` 文件加载键值对到 `os.environ`；
- 支持多行值、变量展开（`${VAR}`）、命令行接口 :contentReference[oaicite:8]{index=8}。
### 用法示例
```python
# app.py
from dotenv import load_dotenv
import os
# 自动从当前目录或上级目录查找 .env
load_dotenv()
SECRET_KEY = os.getenv('SECRET_KEY')
DEBUG = os.getenv('DEBUG', 'False') == 'True'
3. python-decouple
安装
pip install python-decouple
``` :contentReference[oaicite:9]{index=9}
### 主要功能
- 严格分离设置与代码：支持 INI 或 `.env` 文件；
- 自动类型转换（`int`, `bool`, `list` 等）；
- 默认值与必需参数校验；
- 单一配置模块管理所有环境 :contentReference[oaicite:10]{index=10}。
### 用法示例
```ini
# .env
DEBUG=True
SECRET_KEY=abc123
TIMEOUT=30
# settings.py
from decouple import config, Csv
DEBUG = config('DEBUG', default=False, cast=bool)
SECRET_KEY = config('SECRET_KEY')
ALLOWED_HOSTS = config('ALLOWED_HOSTS', default='', cast=Csv())
TIMEOUT = config('TIMEOUT', default=10, cast=int)
4. environs
安装
pip install environs
``` :contentReference[oaicite:11]{index=11}
### 主要功能
- 类型安全的变量解析（支持 `list`、`datetime`、`URL` 等多种类型）；
- 读取 `.env` 文件到 `os.environ`；
- 支持前缀过滤、变量展开、延迟验证；
- 与 Flask、Django 集成 :contentReference[oaicite:12]{index=12}。
### 用法示例
```python
from environs import Env
env = Env()
# 读取 .env
env.read_env()
DEBUG = env.bool("DEBUG", default=False)
DATABASE_URL = env.str("DATABASE_URL")
ALLOWED_HOSTS = env.list("ALLOWED_HOSTS", default=["*"])
5. django-environ
安装
pip install django-environ
``` :contentReference[oaicite:13]{index=13}
### 主要功能
- 专为 Django 设计，解析数据库、缓存、邮件等 URL 格式配置；
- 读取 `.env` 文件并填充 `os.environ`；
- 简化 Django `settings.py` 的多环境管理。
### 用法示例
```python
# settings.py
import environ
env = environ.Env(DEBUG=(bool, False))
# 从项目根目录加载 .env
environ.Env.read_env()
DEBUG = env('DEBUG')
DATABASES = {'default': env.db()} # 解析 DATABASE_URL
CACHES = {'default': env.cache()} # 解析 CACHE_URL
SECRET_KEY = env('SECRET_KEY')
6. dynaconf
安装
pip install dynaconf
``` :contentReference[oaicite:14]{index=14}
### 主要功能
- 支持多种配置格式：TOML（推荐）、YAML、JSON、INI、Python 文件；
- 分层环境 (`[default]`, `[development]`, `[production]`)；
- 环境变量覆盖与 `.env` 文件支持；
- 可选 Vault、Redis 等外部存储；
- CLI 工具 (`dynaconf init`, `dynaconf list`, `dynaconf export`)；
- Flask/Django 扩展；
- 校验与特性开关。 :contentReference[oaicite:15]{index=15}
### 用法示例
```bash
# 初始化项目
dynaconf init -f toml
# settings.toml
[default]
DEBUG = true
[production]
DEBUG = false
# config.py
from dynaconf import Dynaconf
settings = Dynaconf(
settings_files=['settings.toml', '.secrets.toml'],
environments=True,
)
# 使用
print(settings.DEBUG)
7. Pydantic BaseSettings
安装
pip install pydantic-settings
``` :contentReference[oaicite:16]{index=16}
### 主要功能
- 利用 Pydantic 模型与类型注解，自动载入环境变量或 `.env` 文件；
- 内建类型校验与默认值；
- 支持多源（环境、文件、命令行）；
- 易于测试，可通过 `_env_file` 参数指定 `.env` 路径 :contentReference[oaicite:17]{index=17}。
### 用法示例
```python
from pydantic_settings import BaseSettings, SettingsConfigDict
class Settings(BaseSettings):
DEBUG: bool = False
DATABASE_URL: str
model_config = SettingsConfigDict(env_file=".env")
# 全局单例获取
settings = Settings()
print(settings.DATABASE_URL)
最佳实践
-
不将
.env文件提交到 VCS，使用.env.example提供模板； -
在 CI/CD 中安全注入环境变量，避免明文出现在日志；
-
使用单一配置入口（如
config.py或settings.py），集中管理； -
对必需变量进行启动时校验，及早发现配置缺失；
-
在大型项目中推荐分层或工厂模式（如 Dynaconf 环境分层、应用工厂模式）以利扩展；
-
注重类型与验证，优先选择 Pydantic、Environs 等支持自动校验的库。
通过上述工具和实践，你可以为不同规模和需求的 Python 应用，选用最合适的环境变量管理方案，确保配置安全、可维护且易于切换。
