Briefcase项目中依赖项配置格式详解
2025-06-28 00:18:04作者:段琳惟
在Python打包工具Briefcase中,requires和test_requires是两个重要的配置项,用于指定项目运行和测试所需的依赖包。本文将深入解析这两个配置项的正确使用格式和最佳实践。
依赖项配置基础
Briefcase允许开发者通过requires配置项声明项目运行时的依赖项,通过test_requires配置项声明测试环境所需的额外依赖项。这两个配置项都遵循PEP 508规范,支持多种依赖声明格式。
支持的依赖声明格式
1. 基础包名声明
最简单的形式是只指定包名,Briefcase会自动安装最新稳定版本:
requires = ["requests"]
2. 带版本约束的声明
可以精确控制依赖包的版本范围:
requires = [
"Django>=3.2,<4.0", # 3.2及以上但低于4.0
"numpy==1.21.0" # 精确指定1.21.0版本
]
3. 从Git仓库安装
可以直接从Git仓库安装依赖,支持指定分支、标签或提交哈希:
requires = [
"git+https://github.com/user/repo.git@branch-name",
"git+https://github.com/user/repo.git@v1.0.0#egg=package-name"
]
4. 本地路径依赖
对于本地开发中的依赖,可以直接引用本地目录或wheel文件:
requires = [
"../local-package", # 本地目录
"/path/to/package.whl" # 本地wheel文件
]
测试专用依赖
测试依赖使用相同的语法,但只在测试环境下安装:
test_requires = [
"pytest>=6.0",
"pytest-cov",
"factory-boy"
]
高级用法
环境标记
PEP 508支持环境标记,可以根据平台或Python版本有条件地安装依赖:
requires = [
"pywin32; sys_platform == 'win32'",
"pyobjc; sys_platform == 'darwin'"
]
多约束条件
可以组合多个约束条件:
requires = [
"package>=1.0,<2.0; python_version < '3.8'",
"package>=2.0; python_version >= '3.8'"
]
最佳实践
- 精确版本控制:生产环境推荐使用精确版本或严格的范围约束
- 分离开发依赖:将测试和开发工具放入
test_requires - 文档化依赖:在项目文档中说明关键依赖的用途
- 定期更新:定期检查依赖更新,保持安全性
通过合理配置Briefcase的依赖项,可以确保项目在不同环境中的一致性和可重现性,同时保持开发流程的灵活性。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0231
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
JoyAI-VL-Interaction-Preview京东开源首个开源、视觉驱动的实时交互模型——它能实时监控视频流,并自主决定何时发言、保持沉默或委托任务。Jinja00
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0151
kornia🐍 空间人工智能的几何计算机视觉库Python02
PaddleParallel Distributed Deep Learning: Machine Learning Framework from Industrial Practice (『飞桨』核心框架,深度学习&机器学习高性能单机、分布式训练和跨平台部署)C++02
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
782
5.11 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
892
2.06 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
471
473
Ascend Extension for PyTorch
Python
764
972
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
710
1.43 K
deepin linux kernel
C
32
16
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
432
151
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.11 K
1.15 K
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
2.27 K
681
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.04 K
272