我太懂这种烦恼了——用共享conda环境跑多个项目时，pip freeze直接把整个环境的依赖一股脑导出来，一堆根本用不上的包混在里面，既臃肿又容易给其他协作的开发者添乱。下面是几个我亲测有效的方法，帮你精准提取当前项目实际用到的依赖：

方法1：用pipreqs自动扫描（最省心的工具） #

这是专门解决这个场景的工具，会遍历你项目里的所有代码，识别实际导入的包，自动生成精简版的requirements.txt。

• 先安装pipreqs：

  pip install pipreqs
  

• 进入你的项目根目录，运行命令：

  pipreqs . --encoding=utf8 --force
  

  • .代表当前项目目录，--encoding=utf8避免中文代码或注释引发的编码错误，--force会直接覆盖已有的requirements.txt（如果之前有生成过的话）
• 生成后打开文件看看，里面只会有flask、numpy、opencv-python这类你代码里实际用到的包，环境里那些无关依赖完全不会出现在清单里。

方法2：手动梳理+验证（最稳妥的方式） #

如果你不想用第三方工具，手动整理也很靠谱，尤其适合依赖不多的小型项目：

• 先把代码里所有的import语句列出来，比如你提到的flask、numpy、cv2（注意：代码里写import cv2，对应的pip包名是opencv-python）
• 创建一个空的requirements.txt，把这些包名填进去，还可以按需加上版本号：

  flask>=2.0.0
  numpy>=1.21.0
  opencv-python>=4.5.0
  

• 最后一定要验证：新建一个干净的conda环境，安装这些依赖，然后运行项目。如果出现ImportError，把缺的包补充进去就行，这样能确保清单100%适配项目。

方法3：结合conda导出筛选（适合重度conda用户） #

如果你想基于当前conda环境来筛选，但只保留项目用到的包，可以这么操作：

• 先把conda环境里你手动安装过的包导出到临时文件：

  conda env export --from-history > temp.yml
  

  --from-history参数会过滤掉那些自动安装的间接依赖，只保留你主动用conda install装过的包，减少后续筛选的工作量。
• 对照项目的import语句，从temp.yml里挑出对应的包，转换成requirements.txt的格式（注意：部分conda包名和pip包名有差异，比如conda的py-opencv对应pip的opencv-python）。
• 同样，最后要在干净环境里测试运行，确保没有遗漏必要依赖。

小提醒 #

不管用哪种方法，全新环境测试都是必不可少的一步——毕竟有时候工具可能漏掉间接导入的依赖，手动梳理也可能有疏忽，只有实际跑一遍项目，才能保证生成的requirements.txt是精准可用的。

内容的提问来源于stack exchange，提问作者huy