setuptools项目中pip安装额外依赖包失败的问题分析
2025-06-29 23:12:31作者:余洋婵Anita
问题背景
在Python项目开发中,我们经常使用setuptools来管理项目依赖。通过setup.py文件中的extras_require参数可以定义额外的依赖组,例如测试依赖、开发依赖等。正常情况下,我们可以通过pip install '.[extra_name]'命令来安装这些额外依赖。
问题现象
近期有用户报告在使用setuptools 58.1.0版本时遇到了一个异常情况:当执行pip install '.[testing_req]'命令时,系统仅安装了install_requires中定义的基础依赖,而忽略了extras_require中定义的额外测试依赖。
环境信息
- Python版本:3.9.19
- setuptools版本:58.1.0(也测试了最新版72.1.0)
- pip版本:23.0.1
- wheel版本:0.44.0/0.43.0
- 操作系统:Ubuntu 22.04
问题排查
经过深入分析,发现这个问题可能与wheel包的0.44.0版本更新有关。该版本引入了两个重要变更:
- 对METADATA文件中的需求进行了规范化处理
- 弃用了bdist_wheel模块,相关代码已迁移到setuptools中
解决方案
目前发现一个有效的临时解决方案是:在安装命令中使用完整的包名而非点号(.)来表示当前目录。即:
将原来的:
python -m pip install '.[testing_req]'
改为:
python -m pip install '<package_name>[testing_req]'
其中<package_name>应替换为setup.py中定义的包名。
技术建议
-
版本升级:建议尽可能使用最新版本的setuptools和pip,因为旧版本可能不再获得官方支持。
-
构建隔离:使用
--use-pep517标志可以强制pip使用PEP 517构建系统,这有助于避免一些构建过程中的兼容性问题。 -
环境隔离:建议在虚拟环境或容器中进行构建,以避免系统环境中的其他因素干扰。
-
依赖锁定:对于关键项目,建议锁定所有依赖的精确版本,包括构建工具(setuptools、wheel等),以确保构建过程的可重复性。
总结
这个问题展示了Python打包生态系统中组件间复杂的依赖关系。虽然找到了临时解决方案,但建议开发者关注相关工具的更新动态,并及时升级到最新稳定版本以获得最佳兼容性。对于关键项目,建立完善的依赖管理策略和构建环境隔离机制尤为重要。
登录后查看全文
热门项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
最新内容推荐
TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 全球GEOJSON地理数据资源下载指南 - 高效获取地理空间数据的完整解决方案 JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 IK分词器elasticsearch-analysis-ik-7.17.16:中文文本分析的最佳解决方案 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 ONVIF设备模拟器:开发测试必备的智能安防仿真工具 STM32到GD32项目移植完全指南:从兼容性到实战技巧
项目优选
收起
deepin linux kernel
C
26
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
423
3.25 K
Ascend Extension for PyTorch
Python
231
262
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++
689
331
暂无简介
Dart
686
160
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
266
326
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
🎉 (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
1.22 K
667
仓颉编译器源码及 cjdb 调试工具。
C++
136
869