最可靠方法是检查get_ipython()是否存在且其类型包含'ZMQInteractiveShell'，再辅以JPY_PARENT_PID环境变量验证，可准确区分Jupyter Notebook、JupyterLab、Colab等与普通Python环境。
可以通过检查 Python 的运行环境变量或导入特定模块来判断代码是否在 Jupyter Notebook（或 JupyterLab）中执行。最常用、可靠的方法是检测 get_ipython() 是否存在且其类型是否为 Jupyter 相关的交互式 shell。
方法一：检查 get_ipython() 和其类型
这是最主流、兼容性最好的方式，适用于 Jupyter Notebook、JupyterLab、Google Colab 等基于 IPython 的环境：
- 调用
get_ipython()，若在 IPython/Jupyter 中会返回一个 shell 实例；在普通 Python 解释器或脚本中会抛出NameError - 进一步检查其
__class__.__name__或模块路径，可区分 Jupyter 与普通 IPython 终端（如 QtConsole）
示例代码：
def is_running_in_jupyter():
try:
from IPython import get_ipython
ipython = get_ipython()
if ipython is None:
return False
# 检查是否为 Jupyter 内核（而非 IPython 终端）
return 'ZMQInteractiveShell' in str(type(ipython))
except ImportError:
return False
except NameError:
return False
if is_running_in_jupyter():
print("正在 Jupyter 环境中运行")
else:
print("不在 Jupyter 环境中")
方法二：检查环境变量 JUPYTER_ENV 或 JPY_PARENT_PID
Jupyter 启动时通常会设置一些进程级环境变量，其中较稳定的是 JPY_PARENT_PID（Jupyter Python Parent PID），它在 notebook kernel 启动时被注入：
- 该变量存在且非空，大概率说明运行在 Jupyter kernel 中
- 注意：它也可能出现在 JupyterLab 扩展或某些嵌入式场景中，但误判率较低
示例：
import os is_jupyter = 'JPY_PARENT_PID' in os.environ and os.environ['JPY_PARENT_PID'].isdigit()
方法三：结合多种信号提高鲁棒性
单一判断可能有边界情况（例如某些定制内核或测试 mock 环境），推荐组合使用：
- 先尝试
get_ipython()+ 类型校验（主依据） - 再 fallback 到
JPY_PARENT_PID环境变量（辅助验证） - 避免依赖
sys.argv或工作目录等易变特征
这样能覆盖 notebook、lab、colab、kaggle notebook 等主流场景，同时对本地脚本、终端 IPython、VS Code Python Interactive 窗口也能合理区分。
注意事项
不要仅靠 sys.argv[0] 是否含 "jupyter" 来判断——那是启动命令，不是当前运行上下文；也不建议依赖 __file__ 是否为
