将Python CLI工具发布为pip模块的完整指南

简介: 注册PyPI账户访问PyPI官网注册账户推荐使用双因素认证增强安全性生成API令牌访问PyPI账户管理生成具有"Upload packages"权限的令牌,妥善保存确保模块名唯一性在PyPI搜索页面验证模块名未被使用建议使用小写字母和连字符的组合(如my-cli-tool)

将Python CLI工具发布为pip模块的完整指南

一、前期准备

  1. 注册PyPI账户

    • 访问PyPI官网注册账户
    • 推荐使用双因素认证增强安全性
  2. 生成API令牌

    • 访问PyPI账户管理
    • 生成具有"Upload packages"权限的令牌,妥善保存
  3. 确保模块名唯一性

    • PyPI搜索页面验证模块名未被使用
    • 建议使用小写字母和连字符的组合(如my-cli-tool

二、项目结构与配置

1. 基础项目结构

my-cli-tool/
├── src/
│   └── my_cli_tool/
│       ├── __init__.py
│       ├── cli.py          # 命令行入口
│       └── other_modules/
├── tests/
├── pyproject.toml
├── README.md
└── LICENSE

2. 配置文件详解

pyproject.toml(完整示例)

[build-system]
requires = ["hatchling>=1.10.0"]
build-backend = "hatchling.build"

[project]
name = "my-cli-tool"
version = "0.1.0"
authors = [
  { name = "Your Name", email = "you@example.com" },
]
description = "A powerful CLI tool for awesome tasks"
readme = "README.md"
license = { file = "LICENSE" }
requires-python = ">=3.8"
classifiers = [
    "Programming Language :: Python :: 3",
    "License :: OSI Approved :: MIT License",
    "Operating System :: OS Independent",
    "Topic :: Utilities",
    "Environment :: Console",
]
dependencies = [
    "click>=8.1.3",
    "requests>=2.28.2",
    "rich>=13.3.1",
]

[project.scripts]
my-cli = "my_cli_tool.cli:main"  # 命令行入口点

[project.urls]
"Homepage" = "https://github.com/yourusername/my-cli-tool"
"Bug Tracker" = "https://github.com/yourusername/my-cli-tool/issues"

setup.cfg(可选,用于补充元数据)

[metadata]
long_description_content_type = text/markdown

[options.entry_points]
console_scripts =
    my-cli = my_cli_tool.cli:main

三、构建与测试流程

1. 安装构建工具

python3 -m pip install --upgrade build twine

2. 构建分发包

python3 -m build
  • 生成文件位于dist/目录:
    • my-cli-tool-0.1.0-py3-none-any.whl(二进制分发包)
    • my-cli-tool-0.1.0.tar.gz(源代码分发包)

3. 测试上传到TestPyPI

# 上传到测试环境
python3 -m twine upload --repository testpypi dist/*

# 从TestPyPI安装(注意依赖处理)
pip install --index-url https://test.pypi.org/simple/ \
  --extra-index-url https://pypi.org/simple \
  my-cli-tool

4. 正式发布到PyPI

# 上传到生产环境
python3 -m twine upload dist/*

# 用户安装命令
pip install my-cli-tool

四、常见问题与解决方案

1. 依赖冲突处理

问题:TestPyPI缺少依赖包(如pyyaml
解决方案

pip install -i https://test.pypi.org/simple/ \
  --extra-index-url https://pypi.org/simple \
  my-cli-tool

2. 版本管理最佳实践

  • 使用语义化版本(SemVer):MAJOR.MINOR.PATCH
  • 通过hatch version命令自动更新版本:
    hatch version minor  # 升级次版本号
    

3. 持续集成(CI)自动发布

.github/workflows/publish.yml中配置:

name: Publish to PyPI

on:
  release:
    types: [created]

jobs:
  build-and-publish:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4
      - uses: actions/setup-python@v5
        with:
          python-version: '3.11'
      - run: python -m pip install build twine
      - run: python -m build
      - uses: pypa/gh-action-pypi-publish@release/v1
        with:
          user: __token__
          password: ${
   {
    secrets.PYPI_API_TOKEN }}

五、进阶配置选项

1. 包含非Python文件

pyproject.toml中添加:

[tool.hatch.build]
include = [
    "src/my_cli_tool/data/*.json",
    "src/my_cli_tool/templates/*.txt",
]

2. 命令行入口优化

使用click库构建更友好的CLI:

# src/my_cli_tool/cli.py
import click

@click.group()
@click.version_option("0.1.0")
def main():
    """My powerful CLI tool"""
    pass

@main.command()
@click.argument("input_file")
@click.option("--output", "-o", help="Output file")
def process(input_file, output):
    """Process input file"""
    click.echo(f"Processing {input_file}...")
    # 业务逻辑

if __name__ == "__main__":
    main()

3. 创建可执行文件

使用pyinstaller打包:

pyinstaller --onefile --name my-cli src/my_cli_tool/cli.py

六、发布后维护

  1. 监控下载统计:通过PyPI Stats查看下载量
  2. 收集用户反馈:在GitHub Issues中管理
  3. 定期更新依赖:使用pip-toolspoetry管理依赖版本
  4. 文档维护:更新README和项目文档

完整示例代码可参考:GitHub - timerring/bilitool

更多细节请参考官方文档:Packaging Python Projects

目录
相关文章
|
4月前
|
SQL 关系型数据库 数据库
Python SQLAlchemy模块:从入门到实战的数据库操作指南
免费提供Python+PyCharm编程环境,结合SQLAlchemy ORM框架详解数据库开发。涵盖连接配置、模型定义、CRUD操作、事务控制及Alembic迁移工具,以电商订单系统为例,深入讲解高并发场景下的性能优化与最佳实践,助你高效构建数据驱动应用。
579 7
|
4月前
|
监控 安全 程序员
Python日志模块配置:从print到logging的优雅升级指南
从 `print` 到 `logging` 是 Python 开发的必经之路。`print` 调试简单却难维护,日志混乱、无法分级、缺乏上下文;而 `logging` 支持级别控制、多输出、结构化记录,助力项目可维护性升级。本文详解痛点、优势、迁移方案与最佳实践,助你构建专业日志系统,让程序“有记忆”。
398 0
|
5月前
|
存储 缓存 测试技术
理解Python装饰器:简化代码的强大工具
理解Python装饰器:简化代码的强大工具
|
6月前
|
程序员 测试技术 开发者
Python装饰器:简化代码的强大工具
Python装饰器:简化代码的强大工具
266 92
|
4月前
|
JSON 算法 API
Python中的json模块:从基础到进阶的实用指南
本文深入解析Python内置json模块的使用,涵盖序列化与反序列化核心函数、参数配置、中文处理、自定义对象转换及异常处理,并介绍性能优化与第三方库扩展,助你高效实现JSON数据交互。(238字)
492 4
|
4月前
|
Java 调度 数据库
Python threading模块:多线程编程的实战指南
本文深入讲解Python多线程编程,涵盖threading模块的核心用法:线程创建、生命周期、同步机制(锁、信号量、条件变量)、线程通信(队列)、守护线程与线程池应用。结合实战案例,如多线程下载器,帮助开发者提升程序并发性能,适用于I/O密集型任务处理。
454 0
|
4月前
|
XML JSON 数据处理
超越JSON:Python结构化数据处理模块全解析
本文深入解析Python中12个核心数据处理模块,涵盖csv、pandas、pickle、shelve、struct、configparser、xml、numpy、array、sqlite3和msgpack,覆盖表格处理、序列化、配置管理、科学计算等六大场景,结合真实案例与决策树,助你高效应对各类数据挑战。(238字)
406 0
|
5月前
|
安全 大数据 程序员
Python operator模块的methodcaller:一行代码搞定对象方法调用的黑科技
`operator.methodcaller`是Python中处理对象方法调用的高效工具,替代冗长Lambda,提升代码可读性与性能。适用于数据过滤、排序、转换等场景,支持参数传递与链式调用,是函数式编程的隐藏利器。
194 4
|
5月前
|
机器学习/深度学习 编解码 Python
Python图片上采样工具 - RealESRGANer
Real-ESRGAN基于深度学习实现图像超分辨率放大,有效改善传统PIL缩放的模糊问题。支持多种模型版本,推荐使用魔搭社区提供的预训练模型,适用于将小图高质量放大至大图,放大倍率越低效果越佳。
427 3
|
5月前
|
存储 数据库 开发者
Python SQLite模块:轻量级数据库的实战指南
本文深入讲解Python内置sqlite3模块的实战应用,涵盖数据库连接、CRUD操作、事务管理、性能优化及高级特性,结合完整案例,助你快速掌握SQLite在小型项目中的高效使用,是Python开发者必备的轻量级数据库指南。
484 0

推荐镜像

更多