当前位置:首页 > 文章列表 > 文章 > python教程 > Python项目快速生成setup.cfg方法

Python项目快速生成setup.cfg方法

2026-05-01 10:00:49 0浏览 收藏
Python官方已正式弃用setup.cfg,新项目必须转向更现代、更可靠的pyproject.toml配置方式——它统一管理构建系统、项目元数据和依赖,支持动态版本(如通过setuptools_scm从Git自动推导)、兼容PEP 517/518标准,并能避免setup.cfg常见的缩进错误、字段拼写失误及安装静默失败等问题;只需两段最简配置即可启动项目,而推荐工具hatch new能一键生成符合规范的完整项目骨架,让开发者告别过时的手动配置,真正实现高效、健壮、面向未来的Python包开发。

Python项目怎么快速生成setup.cfg配置文件_声明式包管理实践

setup.cfg 已被弃用,别再手动写它了

Python 官方从 setuptools 61.0.0(2022 年中)起正式标记 setup.cfg 为 deprecated,现在新建项目不应再以它为首选配置方式。它不支持动态元数据(如从 pyproject.toml 读取版本)、无法与现代构建后端(如 build、pip 22.3+)协同工作,且容易因语法缩进/节名拼写错误导致安装失败却无明确提示。

用 pyproject.toml 替代 setup.cfg 的最小可行配置

所有新项目应直接使用 pyproject.toml,它统一声明构建系统、依赖、入口点等。最简可用配置只需两段:

[build-system]
requires = ["setuptools>=45", "wheel", "setuptools_scm[toml]>=6.2"]
build-backend = "setuptools.build_meta"

[project]
name = "mylib"
version = "0.1.0"
description = "A sample package"
authors = [{name = "You", email = "you@example.com"}]
requires-python = ">=3.8"
dependencies = [
    "requests>=2.25.0",
    "click>=8.0",
]

注意:setuptools_scm 可自动从 Git 标签推导版本,避免硬编码;若不用 Git,把 version 改成字符串即可。

旧项目迁移时 setup.cfg 到 pyproject.toml 的对应关系

常见 setup.cfg 节在 pyproject.toml 中的映射不是 1:1,尤其要注意以下几点:

  • [metadata] → [project],但 long_description 需改用 readme = "README.md" 或内联字符串
  • [options] → [project] 中的 dependencies 和 requires-python,不再有 install_requires 字段
  • [options.packages.find] → [project] 下加 dynamic = ["version"] 或显式写 packages = ["mylib"];默认不自动发现包
  • [options.entry_points] → [project.entry-points."console_scripts"],键名必须带引号,值为 "cmd = mylib.cli:main" 形式

生成工具推荐:只用 hatch new,别碰 cookiecutter

想“快速生成”配置?直接运行:

pipx install hatch
hatch new myproject

它会创建含 pyproject.toml、src/ 结构、测试骨架和预设 CI 配置的项目。比手动填 setup.cfg 更可靠,也比老旧的 cookiecutter-pypackage 更贴合当前 PEP 517/518 规范。如果已有代码但缺配置,用 hatch init 在当前目录补全即可。

真正容易被忽略的是:哪怕只是本地开发,也要确保 pip install -e . 能成功——这会触发 pyproject.toml 解析,暴露字段名大小写、缩进层级、依赖格式等隐形问题。

本篇关于《Python项目快速生成setup.cfg方法》的介绍就到此结束啦,但是学无止境,想要了解学习更多关于文章的相关知识,请关注golang学习网公众号!

OpenClawAI长期不用会损坏吗?保养技巧OpenClawAI长期不用会损坏吗?保养技巧
上一篇
OpenClawAI长期不用会损坏吗?保养技巧
老毛桃PE安装Linux详细教程
下一篇
老毛桃PE安装Linux详细教程
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。
    338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。
    396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。
    389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。
    355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。
    180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