当前位置:首页 > 文章列表 > 文章 > python教程 > Python3.12弃用distutils,如何迁移到setuptools?

Python3.12弃用distutils,如何迁移到setuptools?

2026-04-16 17:35:38 0浏览 收藏
Python 3.12 正式移除了内置的 distutils 模块,标志着一个长期过渡期的终结;虽然多数项目只需将 `from distutils.core import setup` 简单替换为 `from setuptools import setup` 即可初步兼容,但隐藏陷阱众多——废弃参数会静默失效、自定义命令类需更新继承路径、NumPy 用户更面临 `numpy.distutils` 彻底消失的硬性断裂;同时,所谓“pip install distutils”纯属误导,真实出路在于升级 setuptools(≥65.5.0)、拥抱 `pyproject.toml`(PEP 621)实现现代化配置,并在无法修改源码时理性选择降级 Python 或精准 patch,而非依赖无效兼容包——这不仅是技术迁移,更是告别历史包袱、转向更健壮、标准化 Python 构建生态的关键一步。

Python3.12弃用distutils后怎么办_全面迁移至setuptools教程

直接替换 from distutils.core import setup 就能跑通?

大多数老项目里那行 from distutils.core import setup 确实只需改成 from setuptools import setup,接口几乎完全兼容。但别急着提交——setup() 调用里如果用了 distutils 特有参数(比如 use_2to3、convert_2to3_doctests),运行时会静默忽略或报错。这些参数在 setuptools 中早已废弃,且无替代实现。

常见踩坑点:

  • setup.py 里写了 cmdclass={'build_ext': MyBuildExt},而 MyBuildExt 继承自 distutils.command.build_ext.build_ext → 必须改为继承 setuptools.command.build_ext.build_ext
  • 用了 numpy.distutils(尤其旧版 NumPy 项目)→ 这个子模块早在 NumPy 1.24 就被移除,Python 3.12 下必然失败,需升级 NumPy 并改用 setuptools + pybind11 或 meson 替代
  • CI 流水线里执行 python setup.py bdist_wheel → 改成 pip wheel --no-deps --wheel-dir ./dist . 更可靠,避免触发任何隐式 distutils 路径

为什么 pip install distutils 总是失败?

PyPI 上根本不存在叫 distutils 的包。所谓“兼容包”其实是误导——有人上传过同名包,但它是空壳或仅含文档,无法提供实际模块。Python 3.12 彻底剥离了 distutils 的 C 源码和 Python 实现,它不再是可 pip 安装的组件。

真正起作用的是 setuptools:它在内部模拟了部分 distutils 行为(比如 build_ext、install 命令),但只在被显式调用时加载。所以你看到的“恢复 distutils”本质是让 setuptools 提前注册这些命令。

操作建议:

  • 确保虚拟环境里装的是 setuptools >= 65.5.0(低于此版本对 Python 3.12 支持不完整)
  • 不要手动 import distutils,哪怕只是为了检查是否存在——直接用 import setuptools,然后调用 setuptools.setup()
  • 若 PyCharm 报红 distutils 找不到,不是解释器问题,而是 IDE 缓存未刷新;重启解释器或清掉 .idea/caches 目录即可

要不要立刻删掉 setup.py 改用 pyproject.toml?

不是必须,但越早做越省事。PEP 621 规范下,pyproject.toml 可以完全取代 setup.py 中 90% 的声明式配置(name、version、dependencies、entry_points 等)。剩下的构建逻辑(如自定义编译步骤)得靠 build-backend 指定,比如 setuptools.build_meta 或 hatchling.build。

迁移注意点:

  • setup.py 里动态生成 version(如读 __init__.py)→ 改用 dynamic.version + attr 或 call 方式,在 toml 中声明
  • 用了 MANIFEST.in → 仍可保留,setuptools 依然识别它;但推荐改用 include/exclude 写进 toml
  • 项目含 C 扩展且用 Extension 类 → pyproject.toml 不支持直接写 Python 对象,得抽到单独的构建脚本(如 build.py),再通过 build-backend 引入

旧包装不上,又不能改源码,怎么办?

遇到这种包(比如某个 2018 年发布的私有工具、或锁死依赖的闭源 SDK),先查它有没有 wheel:运行 pip index versions package-name,看是否提供 cp312 标签的 wheel。有就直接装,绕过本地构建。

没有 wheel 时,临时解法只有两个:

  • 降级 Python:用 pyenv install 3.11.9 && pyenv local 3.11.9 切换,这是最稳的兜底方案
  • 强制 patch:下载源码后,用 sed -i 's/from distutils.core import setup/from setuptools import setup/' setup.py(Linux/macOS),再 pip install -e .。注意有些包的 setup.py 是生成的,得找上游模板改

别信“安装 distutils 兼容包”这类说法——它要么是无效包,要么只是把 setuptools 的部分代码重打包,反而可能引入版本冲突。真正的分水岭不在能不能装上,而在你愿不愿意接受:从 Python 3.12 开始,distutils 就是没了,不是藏起来了。

好了,本文到此结束,带大家了解了《Python3.12弃用distutils,如何迁移到setuptools?》,希望本文对你有所帮助!关注golang学习网公众号,给大家分享更多文章知识!

PHP开启OPcache优化性能方法PHP开启OPcache优化性能方法
上一篇
PHP开启OPcache优化性能方法
钉钉签到方法与外勤打卡教程
下一篇
钉钉签到方法与外勤打卡教程
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。
    263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。
    312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。
    291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。
    269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。
    87次使用