Hatchling构建工具中处理PySide6 UI文件编译的最佳实践
背景介绍
在使用Python构建GUI应用程序时,PySide6是一个流行的Qt框架绑定。PySide6项目中的UI界面通常使用Qt Designer创建,保存为.ui文件,这些文件需要通过pyside6-uic工具编译成Python代码(ui_*.py文件)。这些编译生成的文件需要包含在最终的分发包中,但通常不应该提交到版本控制系统。
传统构建方式的问题
在传统的Python打包方式中,开发者通常使用python setup.py build命令来处理这种情况。然而,这种方法已经被弃用,现代Python项目推荐使用基于pyproject.toml的构建系统。Hatchling作为一个现代化的构建后端,提供了更清晰和可维护的构建配置方式。
Hatchling配置解决方案
要在Hatchling构建系统中正确处理这些编译生成的UI文件,需要进行以下配置:
-
版本控制忽略:在
.gitignore文件中添加ui_*.py,确保编译生成的文件不会被意外提交。 -
构建配置:在
pyproject.toml中添加wheel构建目标配置:
[tool.hatch.build.targets.wheel]
artifacts = ["ui_*.py"]
这个配置告诉Hatchling在构建wheel包时包含所有匹配ui_*.py模式的文件。
构建过程中的注意事项
当使用不同的构建前端工具时,可能会遇到构建行为不一致的情况:
-
直接使用Hatch:当使用
hatch build命令时,Hatchling会直接处理artifacts配置,生成的wheel包会正确包含UI文件。 -
使用build模块:当使用
python -m build时,默认会先构建源分发(sdist)然后再从sdist构建wheel。由于sdist不包含生成的文件,会导致最终wheel中缺少UI文件。
解决方案
针对build模块的行为,有以下几种解决方案:
-
跳过sdist阶段:使用
python -m build -s -w命令直接构建wheel,跳过sdist阶段。 -
完整配置sdist:在
pyproject.toml中同时配置sdist和wheel的artifacts:
[tool.hatch.build.targets.sdist]
artifacts = ["ui_*.py"]
[tool.hatch.build.targets.wheel]
artifacts = ["ui_*.py"]
- 创建Hatch插件:更完善的解决方案是创建一个Hatch插件,在构建过程中自动处理UI文件的编译,这样项目仓库中就不需要包含生成的Python文件,任何克隆仓库的用户都能轻松构建项目。
最佳实践建议
-
自动化构建流程:考虑在项目中使用Hatch插件或自定义构建脚本来自动化UI文件的编译过程。
-
文档说明:在项目文档中明确说明构建步骤和依赖,特别是
pyside6-uic工具的需求。 -
持续集成:在CI/CD流程中确保正确配置构建命令,避免因环境差异导致的构建失败。
通过合理配置Hatchling构建系统,开发者可以优雅地处理PySide6 UI文件的编译和打包问题,同时保持代码仓库的整洁和构建过程的可重复性。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00