第2章 Python环境搭建

第2章：Python环境搭建——解释器安装、虚拟环境管理、常用EDA验证库介绍

好，咱们直接进入正题。

上一章聊了为什么选Python做验证自动化。这一章，咱们把家伙事儿先支棱起来。

环境搭建这事儿，说简单也简单，说坑也多。我见过不少新人，一上来就pip install，结果装了一堆乱七八糟的版本，最后项目跑不起来，还得从头清环境。嗯，咱们别走弯路。

2.1 Python解释器安装：选对版本，省一半力气

先说说Python解释器。这东西就是Python代码的“翻译官”。你写的.py文件，得靠它来执行。

版本怎么选？

我个人习惯用Python 3.8到3.11之间的版本。为什么？

3.6及以下：太老了。很多新库已经不兼容了。我在项目中遇到过，一个同事用Python 3.5跑我的脚本，结果报了一堆语法错误。后来发现是f-string不支持。折腾了半小时。
3.12及以上：太新了。有些EDA相关的库还没跟上。比如某些版本的cocotb，对3.12的支持还在实验阶段。
3.8 - 3.11：黄金区间。稳定、库全、社区支持好。

我的建议： 直接装Python 3.10。这是目前最稳妥的选择。我所有项目现在都基于3.10，没出过兼容性问题。

安装步骤（Windows为例）：

去官网 python.org 下载对应版本。
安装时，一定勾选“Add Python to PATH”。这一步忘了，后面命令行里打python就没反应。我刚开始学的时候吃过这个亏。
安装完成后，打开命令行，输入 python --version。如果显示版本号，就成了。

# 验证安装
python --version
# 输出示例：Python 3.10.11

2.2 虚拟环境管理：别让你的项目“打架”

你想想看，你手上有三四个项目。一个项目用cocotb 1.7，另一个项目用cocotb 2.0。如果全装到系统里，那不乱套了？

虚拟环境就是干这个的。每个项目有自己的“小房间”，互不干扰。

venv —— Python自带的虚拟环境工具

从Python 3.3开始，venv就是标准库的一部分了。不用额外安装，直接用。

# 创建虚拟环境
python -m venv my_venv

# 激活（Windows）
my_venv\Scripts\activate

# 激活（Linux/Mac）
source my_venv/bin/activate

# 退出
deactivate

激活后，命令行前面会出现 (my_venv) 的标识。这时候你pip install的东西，都只装在这个环境里。

    避坑指南： 我曾经在项目里忘了激活虚拟环境，直接pip install了某个库。结果那个库装到了系统Python里。后来另一个项目需要旧版本，一升级，第一个项目直接崩了。从那以后，我每次开项目第一件事就是激活虚拟环境。成了肌肉记忆。

pip —— 包管理工具

装库全靠它。常用命令记一下：

# 安装库
pip install cocotb

# 安装指定版本
pip install cocotb==1.7.0

# 从文件批量安装
pip install -r requirements.txt

# 导出当前环境的所有库
pip freeze > requirements.txt

说到requirements.txt，我建议每个项目都维护一个。这样换电脑、换同事，直接 pip install -r requirements.txt 就全搞定了。省心。

2.3 常用EDA验证库介绍

环境搭好了，咱们看看验证圈子里常用的Python库。我按用途分了三类：

类别	库名	用途	我的评价
仿真控制	cocotb	基于Python的验证框架，直接与HDL仿真器交互	目前最火，我主力用这个
仿真控制	pyuvm	Python版的UVM框架	适合从SystemVerilog转过来的团队
波形查看	pyverilator	Verilator的Python封装	轻量级，适合快速验证
数据处理	numpy	数值计算，处理波形数据	必备，几乎每个项目都用
数据处理	pandas	数据分析，处理日志、覆盖率数据	整理报告时特别好用
文件解析	pyelftools	解析ELF文件，读取固件	做SoC验证时常用
文件解析	vcdvcd	解析VCD波形文件	轻量级，比GTKWave快
自动化	pytest	测试框架，管理测试用例	比unittest好用太多
自动化	click / argparse	命令行参数解析	写脚本工具时必备

重点说说cocotb

cocotb全称是“Coroutine-based Co-simulation Testbench”。说白了，就是用Python写testbench，替代传统的Verilog/VHDL testbench。

它的核心思想是：用Python的协程来控制仿真时序。你想想看，Python的语法比SystemVerilog灵活多了。处理字符串、读写文件、调用外部工具，这些在SV里很麻烦的事，在Python里一行代码搞定。

# cocotb的简单示例
import cocotb
from cocotb.triggers import Timer

@cocotb.test()
async def my_first_test(dut):
    """我的第一个cocotb测试"""
    # 给输入信号赋值
    dut.a.value = 1
    dut.b.value = 0
    
    # 等待10个时间单位
    await Timer(10, units='ns')
    
    # 检查输出
    assert dut.sum.value == 1, f"期望1，得到{dut.sum.value}"

这段代码看着是不是很眼熟？跟写Python单元测试差不多。cocotb把底层的仿真器交互都封装好了，你只管写逻辑。

注意： cocotb需要配合仿真器使用。常见的支持列表：Icarus Verilog（免费）、Verilator（免费）、Questa（商业）、VCS（商业）。安装cocotb时，确保你的仿真器已经装好并且能在命令行里调用。

再说说pytest

pytest不是EDA专用库，但我在验证项目里几乎必用。为什么？

自动发现测试用例：你只要把函数名写成 test_xxx 的格式，pytest自动帮你找到并执行。
丰富的插件生态：比如 pytest-html 生成测试报告，pytest-xdist 并行执行测试。
fixture机制：可以方便地管理测试前后的准备和清理工作。

# pytest示例
import pytest

def test_addition():
    assert 1 + 1 == 2

def test_subtraction():
    assert 3 - 1 == 2

# 命令行执行：pytest test_example.py

我把pytest和cocotb结合起来用。cocotb负责仿真控制，pytest负责测试管理和报告生成。各司其职，非常顺手。

2.4 环境验证：跑一个“Hello World”

环境搭好了，库也介绍了。咱们跑个简单的例子，验证一下环境是否正常。

# 1. 创建并激活虚拟环境
python -m venv eda_env
source eda_env/bin/activate  # Windows用 eda_env\Scripts\activate

# 2. 安装必要库
pip install cocotb pytest numpy

# 3. 写一个简单的测试文件 test_hello.py
import cocotb
from cocotb.triggers import Timer

@cocotb.test()
async def hello_test(dut):
    """Hello World 测试"""
    dut.clk.value = 0
    await Timer(1, units='ns')
    dut.clk.value = 1
    await Timer(1, units='ns')
    cocotb.log.info("Hello from cocotb!")

# 4. 运行（需要配合仿真器和HDL文件，这里只是示意）
# cocotb-test 会自动处理仿真流程

如果能看到 Hello from cocotb! 的日志输出，恭喜你，环境搭建成功了。

小技巧： 我习惯在项目根目录放一个 setup.sh 脚本，里面写好创建虚拟环境、安装依赖的命令。新同事来了，跑一遍脚本就完事。省得每次都要口头交代。

好了，环境这块就聊到这儿。下一章咱们开始写第一个自动化脚本——批量编译RTL文件。到时候你就知道，Python处理这些重复性工作有多爽了。

📚 课程目录