会议室预定系统_源码

admin管理员组

文章数量:1130349

会议室预定系统源码

会议室预定系统源码

2025-07-27
v2_2 : 2025-8-23 (来源:自己开发，不定期更新。)

基于: Python 3.11.10
面向: flask爱好者 | 同类系统开发参考。
注意： 此代码不接受定制（无momey 无动力）。
功能：

• 预订会议
• 查看自己预订的会议列表
• 编辑预订
• 上传会议资料
• 生成签到表
• 查看会议室预订日历
• 新增会议室
• 设置会议室维护计划
• 设置会议室设备
• 会议室设备类型管理
• 统计会议室使用情况
• 用户管理：添加、删除、编辑、注册

第1 、国内镜像源

Anaconda中如何配置国内镜像源安装外部库（含conda永久配置和pip临时配置方法）

#### 1_1、conda下添加国内镜像源（window下）( conda)（永久添加）
1、配置清华镜像源
直接在anaconda prompt下输入以下代码即可。代码如下：

conda config --add channels https://mirrors.tuna.tsinghua.edu/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu/anaconda/cloud/conda-forge/
#设置搜索时显示通道地址
conda config --set show_channel_urls yes


2、临时修改
pip install numpy -i https://mirrors.aliyun/pypi/simple/
3、删除镜像源，换回默认源
conda config --remove-key channels

1_2、mac 换源——( conda)清华源

1、 直接终端打印
conda config --add channels https://mirrors.tuna.tsinghua.edu/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu/anaconda/pkgs/main/
conda config --append channels https://mirrors.tuna.tsinghua.edu/anaconda/cloud/fastai/
conda config --append channels https://mirrors.tuna.tsinghua.edu/anaconda/cloud/pytorch/
conda config --append channels https://mirrors.tuna.tsinghua.edu/anaconda/cloud/bioconda/
 
# 搜索时显示通道地址
conda config --set show_channel_urls yes

2.查看是否添加成功

3、如果下载依然很慢，删除 -defaults

2_1、mac 换源——( pip)清华源

永久指定源
pip config set global.index-url https://pypi.tuna.tsinghua.edu/simple （写入系统里）
查看 ：cat /Users/apple/.config/pip/pip.conf
[global]
index-url = https://pypi.tuna.tsinghua.edu/simple

一次指定 ：
pip install pandas -i https://pypi.tuna.tsinghua.edu/simple

总结1、 两个配置文件：
pip 的配置文件：~/.config/pip/pip.conf
conda 的配置文件：~/.condarc

总结2、对比

对比点	pip.conf (pip)	.condarc (conda)
使用命令	pip install	conda install
包来源	PyPI (Python 包)	Anaconda 仓库（含编译好的依赖）
包含内容	纯 Python 包为主	Python + C/C++/Fortran 库，兼容性更好
镜像地址	…/simple	…/anaconda/…
典型用途	Flask、Django 等纯 Python 库	Numpy、Pandas、PyTorch 等依赖底层编译库

总结3、对比

例子	更重要	原因	加速内容
conda create -n meet2 python=3.10	.condarc	大多数科学计算库（numpy/pandas/pytorch）用 conda install 下载的更稳定。	用来安装 conda 打包的依赖
pip install falsk	pip.conf	pip 装 web 框架、Flask、Django 之类	Python 的 wheel 包 / sdist 包,conda 没有的再用 pip（纯 Python 库）

第2 、安装和运行（windows | linux|mac）

1 安装python
https://www.python/downloads/

2 安装依赖项
pip install -r requirements_back.txt
cd D:\JupyterRoot\A\会议室预定flask网页20250727
1、新建环境
conda init
conda create -n meet2 python=3.11

（2）激活环境 ：!!!
activate meet2 (Windows)
pip install -r requirements_back.txt

conda activate base ( linux|mac）切base
conda activate meet2 ( linux|mac）切虚拟环境
cd /Volumes/wd-1t/code/meet2-hw/v2_2.meet2_5001 ## ( linux|mac）

（3）切换到base环境Windows：!!!
conda deactivate

内容

Flask==2.2.5
Flask-SQLAlchemy==3.1.1
Flask-Login==0.6.3
Flask-WTF==1.2.2
WTForms==3.2.1
python-dotenv==1.0.1
Bootstrap-Flask==1.7.0
Flask-Migrate==3.1.0
Flask-Admin==1.5.8
Werkzeug==2.2.3
python-docx==1.1.2

结果

pip install flask-sqlalchemy
Flask-SQLAlchemy 通过自动处理创建、使用和清理通常会使用的 SQLAlchemy 对象，从而简化了 SQLAlchemy 的使用。它添加了一些有用的功能，但仍然像 SQLAlchemy 一样工作。

3 运行

cd D:\JupyterRoot\A\会议室预定flask网页20250727
python main.py

4 登录
http://localhost:5000
用户名：admin
密码：admi
###################################
测试
1、会议室

main.py 行数 ：213
    # 创建默认会议室
    # ### 中软
    if not Room.query.first():
        rooms = [
            Room(name="会议室A", location="6楼", capacity=19, description="中型会议室"),
            Room(name="会议室B", location="7楼", capacity=20, description="中型会议室"),
            # Room(name="会议室C", location="3楼", capacity=5, description="小型洽谈室"),
            # Room(name="会议室D", location="4楼", capacity=50, description="大型会议室")
        ]
        db.session.add_all(rooms)
        db.sessionmit()

2. Flask 端口设置在哪儿设置的？

main.py 行数 ： 1862


if __name__ == '__main__':
    # app.run(debug=True)
    # ### 默认部署方式：开发模式运行，基于 Flask 的内置调试服务器（默认端口 5000）
    app.run(host='10.31.2.9', port=5001, debug=True)

3. 技术架构

你这个项目是典型的 Flask 开发架构：
层级
技术栈
前端页面
HTML + Jinja2 模板渲染（templates/ 目录）
后端框架
Python Flask（main.py 启动）
静态资源
Flask 默认的 static/ 目录（CSS、JS）
数据库
SQLite（使用 sqlite3.connect 连接）

警告：这是一个开发服务器。请勿将其用于生产部署。请使用生产型 WSGI 服务器。

4. Jinja2 Flask模板引擎

什么是 Jinja2？
Jinja2 是 Flask 默认使用的 模板引擎，它的作用是在 HTML 中动态插入变量、控制结构（如 if、for）、实现页面逻辑分离。
Jinja2 是一个现代且设计灵活的 Python 模板引擎，最常用于 Web 框架（如 Flask）中，它允许你：
    在 HTML 页面中嵌入 Python 变量和逻辑
    实现模板继承（基类模板）
    使用控制结构（if / for）
    避免写很多重复的 HTML

{{ room.name }}：输出变量
{% for ... %}：循环结构
{% if ... %}：支持条件判断
{# ... #}：注释

Jinja2示例

假设你有一个 Python 中的数据：
rooms = [
    {"id": 1, "name": "会议室A", "location": "1楼", "capacity": 10},
    {"id": 2, "name": "会议室B", "location": "2楼", "capacity": 20}
]

你在 Flask 路由中传给模板：
@app.route("/rooms")
def show_rooms():
    return render_template("rooms.html", rooms=rooms)

rooms.html（Jinja2 模板）
<!DOCTYPE html>
<html>
<head><title>会议室列表</title></head>
<body>
  <h1>会议室列表</h1>
  <ul>
    {% for room in rooms %}
      <li>{{ room.name }} - {{ room.location }} - 容量：{{ room.capacity }}</li>
    {% endfor %}
  </ul>
</body>
</html>

5、 SQLlite3设置
访问 SQLite 官网下载页面：
SQLite - 下载安装与使用（Command Line Shell For SQLite）

1. 确认是否安装了 SQLite 命令行工具
SQLite 官方没有自动安装包，是一个单文件工具，你可以自己下载安装：
---> Windows 预编译二进制文件 Precompiled Binaries for Windows
---> 下载
sqlite-tools-win-x64-3500300.zip
sqlite-dll-win-x64-3500300.zip
前者为sqlite的运行库，后者为sqlite的命令行运行工具。
        D:\ProgramData\sqlite3\SQLite
此时该文件夹会包含以下文件： sqlite3.def、sqlite3.dll、sqlite3.exe、sqldiff.exe、sqlite3_analyzer.exe文件。

#### 2、进环境：
输入cmd打开命令行运行窗口，输入sqlite3

6-1、conda导出-包名

知乎-Anaconda（二）环境导出

cd D:\JupyterRoot\A\会议室预定flask网页20250727\导出

1.1 激活要导出的环境：
conda activate meet1  #替换为你的实际环境名称

1.2 导出环境配置到YAML文件：
conda env export > environment.ym
这个命令会将当前激活环境中的所有包及其依赖关系、版本等详细信息导出到名为environment.yml的文件中。

1.3 导出包列表
# 保存包装，以备将来使用：
conda list --export > package-list.txt

# 重新安装软件包：（从导出的文件）：
conda create -n meet1    --file package-list.txt

# 经测试发现：conda 只会导出使用 conda 命令安装的包，想要保证全部的包都覆盖到，
### （最优解）还是建议使用 pip 再导出一份
pip list --format=freeze > requirements_pip.txt

6-2、conda导出-包文件

知乎-二、使用 conda pack命令打包成tar包

1、 PyPI: 第一步不需要执行 
pip install conda-pack
使用，将当前环境打包到指定的路径
conda pack -p  meet2


2、 打包:
conda pack -n meet2  -o   meet2.tar.gz


3、 解压并激活环境：
mkdir -p ~/environments/myenv
tar -xzf myenv.tar.gz -C ~/environments/myenv
source ~/environments/myenv/bin/activate

优点：
不需要网络：一旦打包，就不需要网络来安装包。
适合离线使用：非常适合在离线或受限制的环境中部署。

======================

Conda 环境迁移方案说明文档

本说明文档汇总了在不同平台之间迁移 Conda 环境的推荐方式，包含：打包方式、命令步骤、以及平台兼容性校验。

---

Conda 环境迁移方案对比表

打包平台	目标平台	迁移方式	步骤 1：打包命令	步骤 2：传输 & 解压 / 激活命令	校验说明
Windows	Windows	conda pack 打包环境	conda pack -n meet2 -o meet2-windows.tar.gz

mkdir D:\envs\meet3
tar -xzf meet2-windows.tar.gz -C D:\envs\meet3
D:\envs\meet3\Scripts\activate.bat

| ✔ 路径为 Windows 风格，依赖 .dll，不自动出现在 conda env list，可通过符号链接注册 |
| Linux | Linux | conda pack 打包环境 | conda pack -n meet2 -o meet2-linux.tar.gz |

mkdir -p ~/environments/meet2
tar -xzf meet2-linux.tar.gz -C ~/environments/meet2
source ~/environments/meet2/bin/activate

| ✔ 完全兼容，包含 .so 库，适用于目标 Linux 系统 |
| 任意平台 | 任意平台 | environment.yml 跨平台迁移（推荐） |

conda activate meet2
conda env export --no-builds > environment.yml

|

conda env create -f environment.yml -n meet2

| ✔ 通用、平台无关，但需联网重新下载依赖，适合长期维护使用 |

---

校验步骤建议

迁移完成后，可执行以下命令确认环境是否可用：

校验项	命令
列出所有 Conda 环境	conda env list
检查 Python 路径是否正确	where python（Windows） / which python（Linux）
检查某个包是否可用	python -c "import flask"（或你项目中关键依赖包）

---

附加说明

• conda pack 打包的环境 不会自动注册到 Conda，解压后可直接激活，也可以通过手动链接的方式注册至 Conda 环境列表。
• environment.yml 是最通用的迁移方式，适用于不同平台，但需要重新安装依赖。
• 在打包前请尽量移除未必要的大型缓存或临时文件，可使用 --exclude 选项过滤，例如：

  conda pack -n meet2 -o meet2-linux.tar.gz --exclude '*.pyc' --exclude '*.ipynb_checkpoints'
  

=====================

====cmd  makefile
1  找到你的 Conda 安装目录的 envs 文件夹（例如）：
C:\Users\你的用户名\anaconda3\envs


2 创建一个符号链接（或直接移动）：
mklink /D C:\Users\你的用户名\anaconda3\envs\meet3 D:\envs\meet3

3 然后运行：
conda env list
    meet3      *  C:\Users\你的用户名\anaconda3\envs\meet3
  

end

会议室预定系统源码

会议室预定系统源码

2025-07-27
v2_2 : 2025-8-23 (来源:自己开发，不定期更新。)

基于: Python 3.11.10
面向: flask爱好者 | 同类系统开发参考。
注意： 此代码不接受定制（无momey 无动力）。
功能：

• 预订会议
• 查看自己预订的会议列表
• 编辑预订
• 上传会议资料
• 生成签到表
• 查看会议室预订日历
• 新增会议室
• 设置会议室维护计划
• 设置会议室设备
• 会议室设备类型管理
• 统计会议室使用情况
• 用户管理：添加、删除、编辑、注册

第1 、国内镜像源

Anaconda中如何配置国内镜像源安装外部库（含conda永久配置和pip临时配置方法）

#### 1_1、conda下添加国内镜像源（window下）( conda)（永久添加）
1、配置清华镜像源
直接在anaconda prompt下输入以下代码即可。代码如下：

conda config --add channels https://mirrors.tuna.tsinghua.edu/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu/anaconda/cloud/conda-forge/
#设置搜索时显示通道地址
conda config --set show_channel_urls yes


2、临时修改
pip install numpy -i https://mirrors.aliyun/pypi/simple/
3、删除镜像源，换回默认源
conda config --remove-key channels

1_2、mac 换源——( conda)清华源

1、 直接终端打印
conda config --add channels https://mirrors.tuna.tsinghua.edu/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu/anaconda/pkgs/main/
conda config --append channels https://mirrors.tuna.tsinghua.edu/anaconda/cloud/fastai/
conda config --append channels https://mirrors.tuna.tsinghua.edu/anaconda/cloud/pytorch/
conda config --append channels https://mirrors.tuna.tsinghua.edu/anaconda/cloud/bioconda/
 
# 搜索时显示通道地址
conda config --set show_channel_urls yes

2.查看是否添加成功

3、如果下载依然很慢，删除 -defaults

2_1、mac 换源——( pip)清华源

永久指定源
pip config set global.index-url https://pypi.tuna.tsinghua.edu/simple （写入系统里）
查看 ：cat /Users/apple/.config/pip/pip.conf
[global]
index-url = https://pypi.tuna.tsinghua.edu/simple

一次指定 ：
pip install pandas -i https://pypi.tuna.tsinghua.edu/simple

总结1、 两个配置文件：
pip 的配置文件：~/.config/pip/pip.conf
conda 的配置文件：~/.condarc

总结2、对比

对比点	pip.conf (pip)	.condarc (conda)
使用命令	pip install	conda install
包来源	PyPI (Python 包)	Anaconda 仓库（含编译好的依赖）
包含内容	纯 Python 包为主	Python + C/C++/Fortran 库，兼容性更好
镜像地址	…/simple	…/anaconda/…
典型用途	Flask、Django 等纯 Python 库	Numpy、Pandas、PyTorch 等依赖底层编译库

总结3、对比

例子	更重要	原因	加速内容
conda create -n meet2 python=3.10	.condarc	大多数科学计算库（numpy/pandas/pytorch）用 conda install 下载的更稳定。	用来安装 conda 打包的依赖
pip install falsk	pip.conf	pip 装 web 框架、Flask、Django 之类	Python 的 wheel 包 / sdist 包,conda 没有的再用 pip（纯 Python 库）

第2 、安装和运行（windows | linux|mac）

1 安装python
https://www.python/downloads/

2 安装依赖项
pip install -r requirements_back.txt
cd D:\JupyterRoot\A\会议室预定flask网页20250727
1、新建环境
conda init
conda create -n meet2 python=3.11

（2）激活环境 ：!!!
activate meet2 (Windows)
pip install -r requirements_back.txt

conda activate base ( linux|mac）切base
conda activate meet2 ( linux|mac）切虚拟环境
cd /Volumes/wd-1t/code/meet2-hw/v2_2.meet2_5001 ## ( linux|mac）

（3）切换到base环境Windows：!!!
conda deactivate

内容

Flask==2.2.5
Flask-SQLAlchemy==3.1.1
Flask-Login==0.6.3
Flask-WTF==1.2.2
WTForms==3.2.1
python-dotenv==1.0.1
Bootstrap-Flask==1.7.0
Flask-Migrate==3.1.0
Flask-Admin==1.5.8
Werkzeug==2.2.3
python-docx==1.1.2

结果

pip install flask-sqlalchemy
Flask-SQLAlchemy 通过自动处理创建、使用和清理通常会使用的 SQLAlchemy 对象，从而简化了 SQLAlchemy 的使用。它添加了一些有用的功能，但仍然像 SQLAlchemy 一样工作。

3 运行

cd D:\JupyterRoot\A\会议室预定flask网页20250727
python main.py

4 登录
http://localhost:5000
用户名：admin
密码：admi
###################################
测试
1、会议室

main.py 行数 ：213
    # 创建默认会议室
    # ### 中软
    if not Room.query.first():
        rooms = [
            Room(name="会议室A", location="6楼", capacity=19, description="中型会议室"),
            Room(name="会议室B", location="7楼", capacity=20, description="中型会议室"),
            # Room(name="会议室C", location="3楼", capacity=5, description="小型洽谈室"),
            # Room(name="会议室D", location="4楼", capacity=50, description="大型会议室")
        ]
        db.session.add_all(rooms)
        db.sessionmit()

2. Flask 端口设置在哪儿设置的？

main.py 行数 ： 1862


if __name__ == '__main__':
    # app.run(debug=True)
    # ### 默认部署方式：开发模式运行，基于 Flask 的内置调试服务器（默认端口 5000）
    app.run(host='10.31.2.9', port=5001, debug=True)

3. 技术架构

你这个项目是典型的 Flask 开发架构：
层级
技术栈
前端页面
HTML + Jinja2 模板渲染（templates/ 目录）
后端框架
Python Flask（main.py 启动）
静态资源
Flask 默认的 static/ 目录（CSS、JS）
数据库
SQLite（使用 sqlite3.connect 连接）

警告：这是一个开发服务器。请勿将其用于生产部署。请使用生产型 WSGI 服务器。

4. Jinja2 Flask模板引擎

什么是 Jinja2？
Jinja2 是 Flask 默认使用的 模板引擎，它的作用是在 HTML 中动态插入变量、控制结构（如 if、for）、实现页面逻辑分离。
Jinja2 是一个现代且设计灵活的 Python 模板引擎，最常用于 Web 框架（如 Flask）中，它允许你：
    在 HTML 页面中嵌入 Python 变量和逻辑
    实现模板继承（基类模板）
    使用控制结构（if / for）
    避免写很多重复的 HTML

{{ room.name }}：输出变量
{% for ... %}：循环结构
{% if ... %}：支持条件判断
{# ... #}：注释

Jinja2示例

假设你有一个 Python 中的数据：
rooms = [
    {"id": 1, "name": "会议室A", "location": "1楼", "capacity": 10},
    {"id": 2, "name": "会议室B", "location": "2楼", "capacity": 20}
]

你在 Flask 路由中传给模板：
@app.route("/rooms")
def show_rooms():
    return render_template("rooms.html", rooms=rooms)

rooms.html（Jinja2 模板）
<!DOCTYPE html>
<html>
<head><title>会议室列表</title></head>
<body>
  <h1>会议室列表</h1>
  <ul>
    {% for room in rooms %}
      <li>{{ room.name }} - {{ room.location }} - 容量：{{ room.capacity }}</li>
    {% endfor %}
  </ul>
</body>
</html>

5、 SQLlite3设置
访问 SQLite 官网下载页面：
SQLite - 下载安装与使用（Command Line Shell For SQLite）

1. 确认是否安装了 SQLite 命令行工具
SQLite 官方没有自动安装包，是一个单文件工具，你可以自己下载安装：
---> Windows 预编译二进制文件 Precompiled Binaries for Windows
---> 下载
sqlite-tools-win-x64-3500300.zip
sqlite-dll-win-x64-3500300.zip
前者为sqlite的运行库，后者为sqlite的命令行运行工具。
        D:\ProgramData\sqlite3\SQLite
此时该文件夹会包含以下文件： sqlite3.def、sqlite3.dll、sqlite3.exe、sqldiff.exe、sqlite3_analyzer.exe文件。

#### 2、进环境：
输入cmd打开命令行运行窗口，输入sqlite3

6-1、conda导出-包名

知乎-Anaconda（二）环境导出

cd D:\JupyterRoot\A\会议室预定flask网页20250727\导出

1.1 激活要导出的环境：
conda activate meet1  #替换为你的实际环境名称

1.2 导出环境配置到YAML文件：
conda env export > environment.ym
这个命令会将当前激活环境中的所有包及其依赖关系、版本等详细信息导出到名为environment.yml的文件中。

1.3 导出包列表
# 保存包装，以备将来使用：
conda list --export > package-list.txt

# 重新安装软件包：（从导出的文件）：
conda create -n meet1    --file package-list.txt

# 经测试发现：conda 只会导出使用 conda 命令安装的包，想要保证全部的包都覆盖到，
### （最优解）还是建议使用 pip 再导出一份
pip list --format=freeze > requirements_pip.txt

6-2、conda导出-包文件

知乎-二、使用 conda pack命令打包成tar包

1、 PyPI: 第一步不需要执行 
pip install conda-pack
使用，将当前环境打包到指定的路径
conda pack -p  meet2


2、 打包:
conda pack -n meet2  -o   meet2.tar.gz


3、 解压并激活环境：
mkdir -p ~/environments/myenv
tar -xzf myenv.tar.gz -C ~/environments/myenv
source ~/environments/myenv/bin/activate

优点：
不需要网络：一旦打包，就不需要网络来安装包。
适合离线使用：非常适合在离线或受限制的环境中部署。

======================

Conda 环境迁移方案说明文档

本说明文档汇总了在不同平台之间迁移 Conda 环境的推荐方式，包含：打包方式、命令步骤、以及平台兼容性校验。

---

Conda 环境迁移方案对比表

打包平台	目标平台	迁移方式	步骤 1：打包命令	步骤 2：传输 & 解压 / 激活命令	校验说明
Windows	Windows	conda pack 打包环境	conda pack -n meet2 -o meet2-windows.tar.gz

mkdir D:\envs\meet3
tar -xzf meet2-windows.tar.gz -C D:\envs\meet3
D:\envs\meet3\Scripts\activate.bat

| ✔ 路径为 Windows 风格，依赖 .dll，不自动出现在 conda env list，可通过符号链接注册 |
| Linux | Linux | conda pack 打包环境 | conda pack -n meet2 -o meet2-linux.tar.gz |

mkdir -p ~/environments/meet2
tar -xzf meet2-linux.tar.gz -C ~/environments/meet2
source ~/environments/meet2/bin/activate

| ✔ 完全兼容，包含 .so 库，适用于目标 Linux 系统 |
| 任意平台 | 任意平台 | environment.yml 跨平台迁移（推荐） |

conda activate meet2
conda env export --no-builds > environment.yml

|

conda env create -f environment.yml -n meet2

| ✔ 通用、平台无关，但需联网重新下载依赖，适合长期维护使用 |

---

校验步骤建议

迁移完成后，可执行以下命令确认环境是否可用：

校验项	命令
列出所有 Conda 环境	conda env list
检查 Python 路径是否正确	where python（Windows） / which python（Linux）
检查某个包是否可用	python -c "import flask"（或你项目中关键依赖包）

---

附加说明

• conda pack 打包的环境 不会自动注册到 Conda，解压后可直接激活，也可以通过手动链接的方式注册至 Conda 环境列表。
• environment.yml 是最通用的迁移方式，适用于不同平台，但需要重新安装依赖。
• 在打包前请尽量移除未必要的大型缓存或临时文件，可使用 --exclude 选项过滤，例如：

  conda pack -n meet2 -o meet2-linux.tar.gz --exclude '*.pyc' --exclude '*.ipynb_checkpoints'
  

=====================

====cmd  makefile
1  找到你的 Conda 安装目录的 envs 文件夹（例如）：
C:\Users\你的用户名\anaconda3\envs


2 创建一个符号链接（或直接移动）：
mklink /D C:\Users\你的用户名\anaconda3\envs\meet3 D:\envs\meet3

3 然后运行：
conda env list
    meet3      *  C:\Users\你的用户名\anaconda3\envs\meet3
  

end

本文标签： 会议室源码系统