setuptools项目中的distutils.ccompiler.compiler_class丢失问题解析
背景介绍
在Python生态系统中,setuptools是一个广泛使用的包构建和分发工具。近期,setuptools 76.0.0版本发布后,一些开发者发现他们的测试开始失败,报错显示无法从distutils.ccompiler导入compiler_class属性。这个问题主要影响了那些依赖旧版本numpy的Python项目。
问题本质
这个问题的核心在于setuptools 76.0.0版本中移除了distutils.ccompiler模块中的compiler_class属性。这个属性在旧版本的numpy(特别是1.22及更早版本)中被直接使用。当开发者使用较新版本的setuptools配合较旧版本的numpy时,就会出现兼容性问题。
技术细节
在Python的打包生态中,distutils曾经是标准库的一部分,负责处理包的构建和分发。随着Python打包生态的演进,distutils逐渐被弃用,其功能被迁移到setuptools中。在这个过程中,一些内部实现细节发生了变化。
compiler_class是distutils.ccompiler模块中的一个函数,用于根据编译器名称获取对应的编译器类。在setuptools 76.0.0版本中,这个函数被移除,导致依赖它的旧代码无法运行。
影响范围
这个问题主要影响以下场景:
- 使用Python 3.9环境的项目
- 依赖numpy 1.22或更早版本的项目
- 使用setuptools 76.0.0或更新版本的项目
特别是那些使用"最低版本"测试策略的项目更容易遇到这个问题,因为它们的测试环境会安装声明支持的最低numpy版本,但同时会获取最新版本的setuptools。
解决方案
对于遇到这个问题的开发者,有以下几种解决方案:
-
升级numpy版本:numpy在1.23版本后已经弃用了对distutils.ccompiler.compiler_class的直接依赖。
-
降级setuptools:暂时将setuptools固定在75.8.2或更早版本,等待项目依赖的其他库更新。
-
等待setuptools修复:setuptools团队已经意识到这个问题,并可能在后续版本中临时恢复这些属性以平滑过渡。
最佳实践建议
为了避免类似问题,建议开发者:
- 在项目中明确声明所有直接和间接依赖的版本范围。
- 定期更新依赖项,避免使用已弃用的API。
- 在CI/CD流水线中同时测试最低版本和最新版本的依赖组合。
- 关注依赖库的弃用警告和更新日志,及时调整代码。
未来展望
随着Python打包生态的持续演进,类似的兼容性问题可能会逐渐减少。setuptools团队已经表示会考虑在过渡期间保持更好的向后兼容性,但开发者也不应过度依赖即将被移除的功能。对于长期维护的项目,及时更新依赖和迁移到新API是最稳妥的策略。
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