Hatch构建工具v1.26.0版本中license-files配置格式变更解析
2025-06-02 05:47:50作者:薛曦旖Francesca
在Python项目构建工具Hatch的最新版本v1.26.0中,项目许可证文件的配置格式发生了重要变更。这一变更直接影响了使用Hatch作为构建后端的项目配置方式,需要开发者特别注意。
变更背景
Hatch作为现代Python项目构建工具,对项目元数据(metadata)的配置有着严格的要求。在v1.26.0版本之前,开发者可以通过字典形式配置license-files字段,指定项目中包含的许可证文件路径。然而,这种灵活性可能导致配置不一致性问题。
具体变更内容
新版本中,Hatch强制要求license-files字段必须使用数组(array)格式进行配置。这意味着:
旧版配置方式(v1.26.0之前有效):
license-files = { paths = ["LICENSE", "IP_NOTICE"] }
新版必须改为:
license-files = ["LICENSE", "IP_NOTICE"]
变更影响
这一变更会导致以下情况:
- 使用旧格式的项目在v1.26.0及以上版本的Hatch中构建时会抛出TypeError
- 错误信息明确提示:"Field
project.license-filesmust be an array" - 构建过程会直接失败,无法生成wheel等分发文件
技术原理
这一变更反映了Hatch团队对项目配置标准化的追求。数组格式相比字典格式:
- 更符合TOML配置文件的常见模式
- 减少了不必要的嵌套层级
- 提高了配置的可读性和一致性
- 与其他构建工具(如setuptools)的配置风格更加统一
解决方案
对于受影响的用户,解决方案非常简单:
- 检查项目中的pyproject.toml文件
- 将license-files字段从字典格式改为直接数组格式
- 确保指定的许可证文件确实存在于项目根目录中
最佳实践建议
- 对于新项目,直接使用数组格式配置license-files
- 对于现有项目,在升级Hatch前检查并更新配置
- 考虑在CI/CD流程中加入配置格式检查
- 保持许可证文件命名的一致性(推荐使用全大写的LICENSE)
总结
Hatch v1.26.0对license-files配置格式的变更虽然带来了短暂的适配成本,但从长远看提高了项目配置的规范性和可维护性。作为开发者,理解并适应这类构建工具的演进是保持项目健康的重要一环。建议所有使用Hatch的项目都尽快检查并更新相关配置,以确保构建流程的顺畅。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
192
212
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++
650
270
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
297
111
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
384
3.69 K
仓颉编译器源码及 cjdb 调试工具。
C++
128
857
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
React Native鸿蒙化仓库
JavaScript
243
316
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
66
96
暂无简介
Dart
633
143