返回 工具

Python 在线编译器

运行 Python 3.8-3.12,支持文件上传、项目目录和常用库

最近更新
我的工具
暂无工具

加载中...

如何在线运行 Python 代码

  1. 1

    粘贴代码或选择示例

    在编辑器中输入 Python 代码,或者先从预设示例中选择 NumPy、Pandas、Matplotlib 等示例快速开始。

  2. 2

    选择运行时版本

    运行前可在工具栏选择 Python 与 Pyodide 运行时版本,覆盖 Python 3.8 到 3.12。

  3. 3

    加载需要的库并运行

    如果代码使用了第三方库,可先打开“库管理”加载所需包;缺失包报错时也可以一键安装后重新运行。

  4. 4

    查看结果并分享

    运行后在输出区查看结果、错误或 Matplotlib 图表,并可复制输出、恢复历史记录或生成分享链接。

功能概览

免费的 Python 在线编译器与 Python Playground。基于 Pyodide 在浏览器中本地运行 Python 代码,可按需加载 NumPy、Pandas、Matplotlib、Scikit-learn、Requests 等常用库,无需安装本地环境。

工具描述

免费 Python 在线编译器和 Playground,在浏览器运行 Python 3.8-3.12。支持上传 CSV、JSON、Excel、图片、字体和 .py 文件,管理虚拟项目目录,读写生成文件,加载 NumPy、Pandas、Matplotlib,导出项目 ZIP 与本地可执行文件构建说明;代码和数据不上传服务器。

能力清单

  • 可在 Python 3.8-3.12 的真实 Pyodide 运行时之间切换,适合学习、示例验证和快速实验。
  • 内置 15+ 常用 Python 库,可加载 NumPy、Pandas、Matplotlib、SciPy、Scikit-learn、Requests、Beautiful Soup 等。
  • 提供库管理器和快速组合预设,自动处理依赖并显示预计加载体积。
  • 自动识别缺失包并提供一键安装入口,减少导入报错后的排查成本。
  • 支持标准输入、标准输出、错误输出和运行警告,Matplotlib 图表可直接在结果面板查看。
  • 提供 12+ 预设示例、最近 20 条本地历史记录和分享链接,方便教学、调试和协作。
  • 所有代码和数据都在浏览器本地执行,不上传服务器,适合隐私敏感场景。
  • 支持上传文件、文件夹和 ZIP 项目,在可折叠文件树中管理 /project 虚拟文件系统,并用相对路径读写运行生成的文件。
  • 支持从项目文件加载 Matplotlib 中文字体,并可下载 main.py、requirements.txt、项目 ZIP 和查看本地 PyInstaller 构建说明。

相关工具

相关指南

常见问题

如何在线运行 Python 代码?
将 Python 代码粘贴到编辑器中,或先选择一个预设示例,然后点击“运行”即可。工具会在浏览器中本地执行代码,并即时显示输出结果、错误信息或图表。
这个 Python 在线编译器支持 NumPy、Pandas、Matplotlib 吗?
支持。工具可加载 NumPy、Pandas、Matplotlib、SciPy、Scikit-learn、Requests、Beautiful Soup 等 15+ 常用库,适合做科学计算、数据分析和可视化验证。
如果导入时报缺少库怎么办?
当代码里使用了尚未加载的库时,工具会自动识别常见缺失包,并给出一键安装入口。你也可以主动打开“库管理”搜索并加载需要的库。
如何保存、导出或分享 Python 项目?
代码、上传文件和运行生成的文件会保存在当前浏览器。可下载 main.py、requirements.txt 或完整项目 ZIP;代码分享链接只包含 main.py 和 Python 版本。需要可执行文件时,请导出项目并在目标操作系统使用 PyInstaller,浏览器不能直接生成 EXE、macOS App 或 Linux 二进制。
代码会上传到服务器吗?
不会。Python 代码、输出结果和大部分处理都在浏览器本地完成,不会主动上传到服务器,适合调试敏感脚本或私有数据处理流程。
可以上传自定义 Python 模块和 CSV、Excel、字体等项目文件吗?
可以。文件面板支持单文件、多文件、文件夹和 ZIP,保留目录结构并写入 /project。Python 可用相对路径读取 CSV、Excel、JSON、图片和字体,也能直接 import 项目中的 .py 模块;Matplotlib 中文字体需通过 font_manager.addfont() 注册。
这个工具适合哪些场景?
它适合学习 Python、验证语法、测试算法、演示教学、处理小规模数据以及快速试跑 NumPy、Pandas、Matplotlib 代码。对于正式部署或长时间重计算任务,仍建议使用本地或服务器环境。