python 运行时 出现:Fatal error in launcher: Unable to create process using ‘“d:\python-3.6.6\python .exe“-程序员宅基地

技术标签: python  

今天一如既往地进行Python代码的调试,谁知道一下子就各种报错:

XXXX  didn't make connection,Either

重新安装后pip 模块出现:

Fatal error in launcher: Unable to create process using '"d:\python-3.6.6\python .exe"  "D:\python-3........

如下图所示:


连Pycharm解释器中一个模块都没了,
在这里插入图片描述

一、关于Python解释器

解决过程:

连在cmd端都无法安装模块
在这里插入图片描述

1、 将pycharm和Python解释器卸载重装

仍旧出现无法安装的提示
在这里插入图片描述

2、观察错误,对症下药

错误提示中说:

"D:\python-3.6.6\Scripts\pip.exe" install requests': ???????????

顺着这个路径去找:
在这里插入图片描述
果然,有pip.exe这个文件,将它删除,(若怕出问题,就将它移开这Scripts这个文件夹):
在这里插入图片描述
这时候重新安装比如pycha:

pip install pyside2 -i https://pypi.douban.com/simple/

成功安装!!!
在这里插入图片描述

二、关于Pycharm

关于pycharm的解决,打开朋友charm的 Interpreter是这样的:
在这里插入图片描述
点击【+】:
在这里插入图片描述
选择:Existing environment
在这里插入图片描述
在这里插入图片描述
找到Anaconda的Python.exe
在这里插入图片描述
点击【OK】退出~~

选择出来的Anaconda的解释器:
在这里插入图片描述
点击【OK】退出

选择Anaconda的解释器:在这里插入图片描述

如此就大功告成了!!!!!

版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
本文链接:https://blog.csdn.net/guangwulv/article/details/114024512

智能推荐

TRACCAR支持的设备列表-程序员宅基地

文章浏览阅读1.7k次。GT06_traccar支持的设备

基于连接的每IP限速实现_netfilter限速-程序员宅基地

文章浏览阅读9.7k次,点赞2次,收藏2次。在《修改netfilter的limit模块实现基于单个ip的流量监控》中,介绍了一种方式实现针对一个网段每个IP地址的流量控制,如果细化到流,那个就叫做针对每个流的流量控制,我们知道,一个IP地址可以和很多流相关联,针对流的流控限制的不是主机,而是主机上的一个连接,它的约束要比针对IP地址的流控更加小。 然而如何来实现这个呢?实际上在Linux中,几乎所有的流控都可以用TC工具配置出_netfilter限速

Java 获取linux根目录下的文件夹_java获取指定文件夹下的所有文件名-程序员宅基地

文章浏览阅读1.8k次。原文链接:java获取指定文件夹下的所有文件名_tomorrowzm的专栏-程序员宅基地_java查询指定文件夹下的所有文件输出文件名 site:blog.csdn.net​blog.csdn.netpackage 这里我们主要使用的是listFiles函数来得到file文件夹下的所有文件,包括文件夹。然后通过File类的isFile和isDirectory来区分,如果是文件,就输出对应的信息,如..._java读取linux服务器下指定目录下的文件名称

Update批量更新(高性能、动态化)_批量update-程序员宅基地

文章浏览阅读7.6k次,点赞7次,收藏20次。文章目录前言一、环境开发环境测试环境二、灵光乍现MyBatis-Plus源码2.初见真正的批量更新语法三、开工基础类搭建SysUser(表sys_user实体类)Stash(拼接SQL服务,内部类)TableCacheDTO(数据表信息存储)TableCache(表信息缓存)MySQL拼接常量类缓存数据库表信息1. 继承AbstractMethod2. 自定义sql注入器3. 自定义注入器生效事务工具类制作SQL工具类SQL执行类四、测试100条测试数据1千条测试数据1万条测试数据10万条测试数据五、弊端总_批量update

PID优化系列之目标值平滑(斜坡函数梯形图+完整SCL代码)_控制斜坡pid-程序员宅基地

文章浏览阅读2.2k次,点赞4次,收藏6次。作为PID系列专题,这些文章,我都会给出PLC梯形图的源代码和SCL代码方便大家对比学习,文章中的错误和不严谨之处,也请大家指正。1、专题1:设定值响应问题 2、PLC的梯形图代码,这部分我们可以做成功能块,启用PID运算时,我们可以对设定值进行线性化平滑处理,也可以不处理。......_控制斜坡pid

编程实现36进制和10进制之间的相互转换_36进制转换10进制-程序员宅基地

文章浏览阅读1w次,点赞3次,收藏4次。36进制转换成10进制的方法,以R9和10Y为例R9就是 27 * 36^1 + 9*36^0 = 98110Y 就是 1* 36^2 + 0 * 36^1 + 34*36^0 =133010进制转换成36进制的方法,以1079和52360为例(1079/36^0) % 36 = 35(1079/36^1) % 36 = 29(1079/36^2) 所以_36进制转换10进制

随便推点

无法安全地连接到此页面,这可能是因为该站点使用过期的或不安全的 TLS 安全设置._无法安全地连接到此页面 这可能是因为该站点使用过期的或不安全的 tls 安全设置。-程序员宅基地

文章浏览阅读2w次,点赞3次,收藏15次。问题描述:网页中的链接打不开,页面显示如标题所述,原因可能是因为我之前打开了很多内容,后来电脑没电直接关机了,导致出错。解决方法:1、按住win+R打开运行,输入inetcpl.cpl,点击确定,打开internet属性。2、打开在internet属性后,点击【安全】选卡,再点击【安全】页面中的“Internet”,选择“自定义级别”。如下图所示:3、在中间偏下位置找到“显示混合模式”,将其改为“启用”。如下图所示:4、再在Internet属性窗口中点击【高级】选项卡,找到“使用TLS 1_无法安全地连接到此页面 这可能是因为该站点使用过期的或不安全的 tls 安全设置。

B/S與C/S_当今世界开发模式技术架构的两大主流技术?-程序员宅基地

文章浏览阅读1.3k次。一、什么是C/S和B/S 要想对“C/S”和“B/S”技术发展变化有所了解,首先必须搞清楚三个问题。 第一、什么是C/S结构。 C/S (Client/Server)结构,即大家熟知的客户机和服务器结构。它是软件系统体系结构,通过它可以充分利用两端硬件环境的优势,将任务合理分配到Client端和Server端来实现,降低了系统的通讯开销。目前大多数应用软件系统都是Client/Server形式的两_当今世界开发模式技术架构的两大主流技术?

MDK配置jlink仿真器步骤_mdk5如何定义swd-程序员宅基地

文章浏览阅读5.5k次。MDK配置jlink仿真器步骤:1.如下图2.设置为SW模式3.选择处理器的flash大小4.设置utilities5.查看是否是SW模式6.查看Flash大小重新编译程序download就好了..._mdk5如何定义swd

渗透测试17---Metasploit (MSF) 部署与功能_msf war包部署 渗透-程序员宅基地

文章浏览阅读7.5k次。MetasploitMetasploit Framework简称MSF(ruby语言开发的)实验环境准备Metasploit的使用第一次使用要进行数据库的初始化msfdb init用的时候就:msfconsole也可以:msfdb run (就等于msfdb init 和msfconsole)Metasploit指令search ms17_010 会列出许多模..._msf war包部署 渗透

python实战:将cookies添加到requests.session中实现淘宝的模拟登录_浏览器登录淘宝后使用其cookie再用requests登录-程序员宅基地

文章浏览阅读1.4w次,点赞11次,收藏89次。将cookies添加到requests.session中实现淘宝的模拟登录声明:本文仅供学习用,旨在分享我们知道现在爬取淘宝商品是必须要登录的,在没有登录的情况下搜索商品也会自动重定向到登录页面。之前学着用selenium,pyppeteer等自动化框架模拟登录淘宝,但是无论怎么滑动滑块验证都失败。然而就像星爷《新喜剧之王》中所说得:只要不投降就是成功,同时为了安慰自己受伤的小心灵,决定用co..._浏览器登录淘宝后使用其cookie再用requests登录

[NLP]使用LDA模型计算文档相似度_lda关键词提取怎么和文本进行相似度-程序员宅基地

文章浏览阅读1.6w次,点赞2次,收藏68次。定义wiki关于lda的定义:隐含狄利克雷分布简称LDA(Latent Dirichlet allocation),是一种主题模型,它可以将文档集中每篇文档的主题按照概率分布的形式给出。同时它是一种无监督学习算法,在训练时不需要手工标注的训练集,需要的仅仅是文档集以及指定主题的数量k即可。此外LDA的另一个优点则是,对于每一个主题均可找出一些词语来描述它。LDA首先由Blei, David M.、_lda关键词提取怎么和文本进行相似度