Glances项目从setup.py迁移到pyproject.toml的技术实践
2025-05-06 08:49:59作者:管翌锬
在Python项目打包领域,传统的setup.py方式正在逐渐被现代化的pyproject.toml所取代。Glances项目作为一款流行的系统监控工具,也经历了这一技术转型过程。本文将详细介绍这一迁移的技术细节和最佳实践。
为什么要迁移到pyproject.toml
pyproject.toml是PEP 518引入的新标准配置文件,它解决了传统setup.py存在的几个关键问题:
- 声明式配置比命令式脚本(setup.py)更清晰易读
- 统一了项目元数据和构建系统的配置
- 支持更灵活的构建后端选择
- 避免了setup.py执行时可能引入的安全风险
迁移实施步骤
Glances项目的迁移主要包含以下几个关键步骤:
- 创建pyproject.toml文件:将原setup.py中的配置转换为TOML格式
- 定义项目元数据:包括项目名称、版本、作者、依赖等核心信息
- 配置构建系统:指定构建所需的工具和版本要求
- 处理版本号获取:解决开发环境下版本识别的问题
配置文件详解
Glances的pyproject.toml配置包含了几个重要部分:
- 基础项目信息:名称、版本、描述等
- 作者信息:采用结构化格式
- Python版本要求:明确指定最低支持版本
- 分类信息:包括许可证、操作系统兼容性等
- 依赖管理:区分核心依赖和开发依赖
- 构建系统配置:指定setuptools作为构建后端
版本管理策略
迁移过程中遇到的一个关键挑战是如何在开发环境中正确获取版本号。传统方式是从安装包元数据中读取,但这在开发模式下存在问题。Glances项目探索了两种解决方案:
- 动态元数据:将版本号标记为动态字段,从代码中获取
- 直接读取配置文件:开发环境下直接从pyproject.toml解析版本
最终项目采用了动态元数据方案,这既保持了配置的简洁性,又确保了开发便利性。
迁移后的优势
完成迁移后,Glances项目获得了多项改进:
- 配置更加模块化和可维护
- 构建过程更加标准化
- 依赖管理更加清晰
- 与现代化Python工具链更好地集成
- 为未来可能的构建系统切换预留了空间
总结
从setup.py到pyproject.toml的迁移代表了Python打包生态的进步。Glances项目的实践表明,这一转型虽然需要解决一些技术细节问题,但带来的长期收益是显著的。对于其他考虑类似迁移的项目,建议充分理解新配置格式的设计理念,并针对项目特点制定合适的迁移策略。
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-1.5暂无简介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
最新内容推荐
IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 咖啡豆识别数据集:AI目标检测在咖啡质量控制中的革命性应用 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
177
195
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++
647
264
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
270
94
暂无简介
Dart
623
140
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
378
3.34 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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