当前位置:首页 > 文章列表 > 文章 > python教程 > Python 项目 changelog 自动化生成方法

Python 项目 changelog 自动化生成方法

2026-04-03 17:21:14 0浏览 收藏
本文深入解析了 Python 项目中 changelog 自动化生成的两种主流方案——团队协作推荐使用不依赖 commit 格式的 towncrier(通过 changelog.d/ 碎片文件聚合,规避 rebase 和格式卡点问题),而个人项目或已采用 Angular 提交规范的则更适合轻量级的 conventional-commits + cz-cli 组合;文章不仅给出明确选型结论,还直击实操痛点:从 towncrier 常见配置遗漏、emoji 支持、CI 权限陷阱、时区差异,到历史 commit 补救和 GitHub Actions 集成技巧,覆盖从本地开发到自动化发布的全链路关键细节,帮你避开踩坑、真正落地可维护的版本日志管理。

Python changelog 的自动化生成

changelog 生成工具选哪个:towncrier 还是 conventional-commits + cz-cli

直接说结论:团队协作选 towncrier,个人项目或已用 Angular 风格提交规范的,用 conventional-commits + cz-cli 更轻量。

towncrier 的核心优势是「提交时不管格式,发布时才聚合」——它不依赖 commit message 结构,而是靠 PR 合并前手动/自动往 changelog.d/ 下丢碎片文件。这避免了开发者被 feat(api): add timeout 这类格式卡住,也绕开了 rebase 时 commit message 被改乱导致解析失败的问题。

容易踩的坑:

  • towncrier 默认不支持 emoji(比如 ✨ feat),得配 template 或改 pyproject.toml 里的 title_format
  • 如果用 GitHub Actions 自动发布,towncrier 生成 changelog 后必须 git add CHANGELOG.md && git commit,否则下次跑会重复追加
  • conventional-commits 工具链对 commit message 零容忍:少个空行、多一个空格,standard-version 就静默跳过该 commit

towncrier 配置里最常漏掉的三件事

装完 towncrier,光跑 towncrier build 十有八九报错,不是缺配置就是路径不对。

实操建议:

  • 必须在项目根目录放 pyproject.toml,且含 [tool.towncrier] 段;只放 towncrier.toml 会被忽略
  • directory 参数默认是 changelog.d/,但这个目录要手动建好,towncrier 不会自动创建
  • 每个碎片文件名必须带数字前缀和类型后缀,比如 123.feature 或 456.bugfix;用 123.feature.txt 会被跳过

示例片段:

[tool.towncrier]
directory = "changelog.d/"
filename = "CHANGELOG.md"
title_format = "{version} ({project_date})"
template = "changelog.rst"

commit message 不规范时,怎么补救 changelog

历史 commit 没按规范写,又不想重写 history?别硬套 conventional-changelog。

更可行的做法:

  • 用 git log --oneline v1.2.0..HEAD 拿出本轮差异 commit 列表,人工扫一遍,把关键改动对应到 changelog.d/ 下新文件(比如 789.feature)
  • 在 towncrier 配置里设 start_string = "\n\n",这样生成时只替换标记之间的内容,旧 changelog 其他部分不动
  • 如果用 GitHub Release,直接把 towncrier build --version 1.3.0 输出粘过去,不走文件写入,彻底避开 Git 冲突

GitHub Actions 里跑 towncrier 的权限和路径陷阱

CI 里 towncrier build 报 FileNotFoundError: changelog.d/ 或权限拒绝,基本是工作流没切对分支或没拉子模块。

关键检查点:

  • 确保 Action 使用 actions/checkout@v4 并开启 fetch-depth: 0,否则 towncrier 找不到 tag
  • 如果 changelog.d/ 是 git submodule,得额外加一步 git submodule update --init
  • 用 towncrier build --yes --version ${{ inputs.version }} 时,$inputs.version 必须是字符串,传 1.3.0 数字会触发 TypeError

真正麻烦的是时间戳:本地 towncrier 用系统时区,CI 默认 UTC,导致生成的 (2024-05-22) 和本地不一致。解决方法是在 workflow 里加 env: TZ: Asia/Shanghai,或者干脆删掉模板里的 {project_date},发布时再手填。

事情说清了就结束

终于介绍完啦!小伙伴们,这篇关于《Python 项目 changelog 自动化生成方法》的介绍应该让你收获多多了吧!欢迎大家收藏或分享给更多需要学习的朋友吧~golang学习网公众号也会发布文章相关知识,快来关注吧!

ChatGPT生成Xmind兼容Markdown思维导图方法ChatGPT生成Xmind兼容Markdown思维导图方法
上一篇
ChatGPT生成Xmind兼容Markdown思维导图方法
复选框与多行文本垂直对齐技巧
下一篇
复选框与多行文本垂直对齐技巧
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    386次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    466次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    474次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    415次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    240次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码