前言
对于刚接触 Python 的人来说，管理 Python 项目中的依赖项可能是非常具有挑战性的。当你开发一个新的 Python 包时，你可以使用到一些其他软件包来帮助你（在更少的时间内）编写更少的代码，这样就不用重复的造轮子。除此之外，你的 Python 包也可能会在未来的项目中被作为一个依赖项来使用。
在本文中，我们将讨论如何正确管理 Python 项目的依赖关系。更具体的说，我们将讨论 requirements.txt 文件的用途以及如何使用 setuptools 来发布自定义的 Python 包，以让其他用户进一步使用和开发它。除此之外，我们还将讨论设置文件（即 setup.cfg 和 setup.py）的用途以及如何通过它们与 requirements.txt 文件让包的开发和重新发布更加容易。
Python 项目的依赖关系是什么？
首先，让我们从包依赖开始我们的讨论; 包依赖到底是什么？为了让我们的 Python 项目更易维护，正确的使用包依赖为什么至关重要？
简单来说，依赖项是我们为了完成工作而在我们的 Python 项目中所依赖的外部 Python 包。在 Python 中，这些依赖通常可以在 Python 包索引（PyPI）或其他的管理工具中找到（例如 Nexus）。
例如，我们考虑开发一个使用 pandas DataFrames 的 Python 项目，那么 pandas 包就是该项目的依赖，如果我们没有预先安装 pandas，我们的项目将无法正常工作。
每一个依赖项本身就是一个 Python 包，它也可能有其他的依赖项。因此，为了避免在安装或者更新包时出现问题，依赖管理有时也会变得非常棘手或具有挑战性，需要我们妥善的进行处理。
我们自己的 Python 项目可能会对某个特定版本的第三方包有依赖。当项目中（至少）有两个依赖项同时依赖于另一个包，而且每一依赖项都需要该外部包的特定版本的情况下，可能会导致依赖冲突的出现。这些情况可以通过包管理工具（例如 pip）来处理（但并非都是如此！）。在这种情况下，通常我们需要告诉 pip 如何处理依赖关系以及我们需要哪些特定版本。
一般情况下，我们通过一个 requirements.txt 文本文件来指定我们项目的依赖包及其版本。
requirements.txt 文件
requirements.txt 只是一个列出一个特定 Python 项目的所有依赖项的文件吗？如前所述，他还可以包含依赖项的依赖项。被列出来的依赖项可以是指定的或者非指定的。 如果使用指定版本，那么你可以运算符来限定特定包的版本范围（使用 == 和 >，<，或者都使用 ）。
requirements.txt 文件示例
matplotlib>=2.2 numpy>=1.15.0, <1.21.0 pandas pytest==4.0.1
之后，可以使用以下命令通过 pip 安装这些依赖项（通常在虚拟环境中）:
pip install -r requirements.txt
在上面的 requirements 示例文件中，我们使用了不同的方式（例如>=，== 等）来限制定了 Python 依赖包的版本 。 例如，对于没有限定版本的 pandas 包，pip 通常会安装最新版本，除非其他依赖项之一与它有任何冲突（如果有冲突，pip 将安装满足其余依赖项指定条件的 pandas 版本）。再比如，对于 pytest，包管理器将安装特定的的版本（例如 4.0.1），而对于matplotlib，将安装至少大于或等于 2.2 的最新版本（这还是取决于是否有其他依赖项的具体要求，如果没有则会安装符合条件的最新版）。最后，对于 numpy 包，pip 将尝试安装 1.15.0（包含）和 1.21.0（不包含）之间的最新版本。
当你安装完所有的依赖之后，通过运行 pip freeze，你可以查看安装在虚拟环境中每个依赖项的确切版本。这个命令会列出所有的包及其指定版本（即==的关系）。
针对我们项目的开发，通常情况下，requirements.txt 非常有用。但如果你想将你代码发布（例如到 PyPI上）供他人广泛地使用，那么需要的不仅仅是这个文件。
Python 中的 setuptools
setuptools 是一个基于 distutils 构建的包，它允许开发者去开发和发布 Python 包。另外它还提供了使依赖管理更容易的功能。
当你想要发布一个包，你通常需要一些 元数据，包括包名称，版本，依赖项，入口点等。而 setuptools 提供了执行这些操作的功能。
项目元数据和可选项在 setup.py 文件中定义，如下所示：
fromsetuptoolsimportsetupsetup( name='mypackage', author='Giorgos Myrianthous', version='0.1', install_requires=[ 'pandas', 'numpy', 'matplotlib', ], # ... more options/metadata)
事实上，这被认为是一个糟糕的设计，因为该文件是纯粹的声明性文件。因此，一个更好的方法是在名为 setup.cfg 的文件中定义这些可选项和元数据，然后在 setup.py 文件中简单地调用 setup() 即可。setup.cfg 示例文件如下所示：
[metadata] name = mypackage author = Giorgos Myrianthous version = 0.1[options] install_requires = pandas numpy matplotlib
最终，我们可以拥有一个最简单的 setup.py 文件，如下所示：
fromsetuptoolsimportsetupif__name__=="__main__": setup()
注意，上面的 install_requires 参数可以是一个依赖项列表，以及他们的说明符（包括 \<, >, \<=, >=, == 和 != 这些运算符）和版本标识符。除此之外，当项目安装时，不在环境中指定的依赖将会从 PyPI (默认情况下)下载并安装。
我们同时需要 requirements.txt 和 setup.py/setup.cfg 文件吗？
这需要分情况对待! 首先 requirements.txt 和 setup.py 不能完全一对一的比较，因为他们 通常用于实现不同的需求。
这是关于这个话题的常见误解，人们通常觉得他们只是从在这些文件中复制信息，因此他们选择其中的一种。但实际上并非如此。
首先，让我们了解通常在何时使用两个文件或仅使用两个文件中的一个。作为一般经验法则：
- 如果你的包主要用于开发目的，而且你不打算重新发布它，
requirements.txt是足够的（即使包是在多台机器上开发的）。 - 如果软件包仅由你自己开发（即是在单台机器上）但您打算重新发布它，那么
setup.py/setup.cfg就足够了。 - 如果你的包是在多台机器上开发的并且还需要重新发布它，那么将同时需要
requirements.txt和setup.py/setup.cfg文件。
现在，如果你需要同时使用 requirements.txt 和 setup.py/setup.cfg （老实说几乎都是如此），那么你需要确保不会重复。
如果你同时使用这两种，你的 setup.py（和/或者 setup.cfg）文件需要包含抽象依赖项列表，而requirements.txt 文件所包含的确切依赖项必须使用==来指定限制包版本。
install_requires（例如 setup.py）定义了单个项目的依赖关系，而 requirements.txt 通常用于定义完整 Python 环境的依赖关系。
install_requires 要求很少，而 requirements.txt 通常需要包含详尽的固定版本列表，以实现完整环境的可重复安装
总结
在这篇文章中,我们介绍了在开发 Python 项目和应用程序时应用适当的依赖管理的重要性。也介绍了 requirements.txt 文件的用户和如何将它与 setuptools（例如 setup.py 和 setup.cfg）的设置文件一起使用，以确保其他开发者可以安装，运行，开发，甚至测试 Python 包的源代码。
正如强调的那样，setuptools 不完全是 requirements.txt 文件的替代品。在大多数情况下，你可能需要同时使用这两个文件，来正确的管理你的包依赖项，同时便于之后对他们进行重新发布。
如果你想知道如何发布你的 Python 包并使其在 PyPI 上可用，以便可以通过 pip 包管理器来安装它，请关注接下来的文章。
最后，在此感谢你的阅读。
