Flit项目中的可选依赖项命名规范变更解析
在Python打包工具Flit的最新版本3.10中,引入了一个重要的变更:对可选依赖项(optional-dependencies)命名的规范化处理。这一变更源自PEP 685标准,要求所有可选依赖项名称在最终生成的元数据中必须使用连字符(hyphen)而非下划线(underscore)。
变更背景
Flit 3.10版本实现了PEP 685标准,该标准规定了Python包元数据中额外依赖项名称的规范化格式。在旧版本中,开发者可以在pyproject.toml文件中自由使用下划线或连字符来命名可选依赖项。但从3.10开始,Flit会在构建过程中将所有可选依赖项名称中的下划线自动转换为连字符。
影响范围
这一变更主要影响以下场景:
- 当使用较旧版本的pip(23.3之前)安装带有可选依赖项的包时
- 在命令行或requirements文件中指定可选依赖项时仍使用下划线的情况
具体表现为:如果开发者在pyproject.toml中定义了名为"model_diffs"的可选依赖项,但在安装时使用pip install .[model_diffs]
命令,较旧版本的pip会报告"不提供额外的'model_diffs'"警告。
解决方案
针对这一问题,开发者有以下几种解决方案:
-
升级pip工具:使用pip 23.3或更高版本,这些版本已经实现了对依赖项名称的自动规范化处理
-
修改安装命令:在安装命令中使用连字符而非下划线,例如将
pip install .[model_diffs]
改为pip install .[model-diffs]
-
限制flit_core版本:在pyproject.toml中明确指定使用flit_core 3.9或更早版本:
[build-system]
requires = ['flit_core>=3.2,<3.10']
技术细节
值得注意的是,这一规范化处理仅适用于可选依赖项名称。在pyproject.toml文件的其他部分,如常规依赖项声明或构建系统要求中,仍然可以使用下划线。例如flit_core>=3.2
这样的写法是完全有效的。
这种差异化的处理是因为PEP 685标准特别针对的是额外依赖项(extras)的命名规范,而不是包元数据中的所有名称。核心元数据规范2.3版本明确规定了这一要求,旨在统一Python生态系统中的命名惯例。
最佳实践
为避免潜在问题,建议开发者:
- 在pyproject.toml中定义可选依赖项时,优先使用连字符
- 保持构建工具(pip等)更新到最新版本
- 在文档和示例中统一使用连字符格式
对于维护大型项目或需要支持多种环境的开发者,可以考虑在项目文档中明确说明这一要求,或在CI/CD流程中加入版本检查,确保构建环境符合要求。
这一变更虽然带来了一些短期的适配工作,但从长远来看有助于统一Python打包生态系统的规范,减少因命名差异导致的兼容性问题。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~050CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-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。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0302- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









