distribution、distutils、setuptools 和 distutils2 之间的区别？

Question

我正在尝试

将开源库移植到 Python 3。（SymPy，如果有人想知道的话。）

所以，我需要在构建 Python 3 时自动运行 2to3。为此，我需要使用 distribute。因此，我需要移植当前系统，（根据文档测试）是 distutils。

问题

不幸的是，我不确定这些模块之间有什么区别 - distutils、distribute、setuptools。该文档最好是粗略的，因为它们似乎都是彼此的分叉，旨在在大多数情况下兼容（但实际上不是全部）......等等，等等。

问题

有人可以解释一下这些差异吗？我应该使用什么？最现代的解决方案是什么？ （顺便说一句，我还希望获得一些有关移植到 Distribute 的指南，但这有点超出了问题的范围......）

Answer 1

截至 2022 年 5 月，这个问题的大多数其他答案都已经过时了好几年。当您遇到有关 Python 打包问题的建议时，请记住查看发布日期，不要相信过时的信息。

Python 打包用户指南值得一读。每个页面都会显示“最后更新”日期，因此您可以检查手册的最新版本，而且内容相当全面。事实上，它托管在 Python 软件基金会的 python.org 子域上，这更增加了它的可信度。 项目摘要页面在这里特别相关。

工具摘要：

以下是 Python 打包情况的摘要：

支持的工具：

• setuptools 是为了克服 Distutils 的限制而开发的，未包含在标准库中。它引入了一个名为 easy_install 的命令行实用程序。它还介绍了可以在 setup.py 脚本中导入的 setuptools Python 包，以及可以在您的 setup.py 脚本中导入的 pkg_resources Python 包。用于查找随发行版一起安装的数据文件的代码。它的问题之一是它对 distutils Python 包进行了猴子修补。它应该可以与pip很好地配合。 它会定期发布。

  • _{官方文档 | Pypi 页面 | GitHub 存储库 | Python 包用户指南的 setuptools 部分}

• scikit-build 是一个改进的构建系统生成器，它在内部使用 CMake 来构建已编译的 Python 扩展。因为 scikit-build 不是基于 distutils，所以它实际上没有任何限制。当 ninja-build 存在时，scikit-build 编译大型项目的速度比替代方案快三倍以上。它应该与 pip 配合良好。

  • _{官方文档 | Pypi 页面 | GitHub 存储库 | Python 包用户指南的 scikit-build 部分}

• distlib 是一个库，提供由 pip 等高级工具使用的功能。

  • _{官方文档 | Pypi 页面 | Bitbucket 存储库 | Python 包用户指南的 distlib 部分}

• packaging 也是一个库，提供 pip 和 setuptools

  等高级工具使用的功能

  • _{官方文档 | Pypi 页面 | GitHub 存储库 | Python 包用户指南的打包部分}

已弃用/废弃的工具：

• distutils 仍然包含在 Python 标准库中，但从 Python 3.10 开始被视为已弃用。它对于简单的 Python 发行版很有用，但缺乏功能。它引入了可以在 setup.py 脚本中导入的 distutils Python 包。

  • _{官方文档 | Python 包用户指南的 distutils 部分}

• distribute 是 setuptools 的一个分支。它共享相同的命名空间，因此如果您安装了 Distribute，import setuptools 实际上会导入随 Distribute 分发的包。 Distribute 已合并回 Setuptools 0.7，因此您不再需要使用 Distribute。其实Pypi上的版本只是安装Setuptools的兼容层。

• distutils2 试图充分利用 distutils、setuptools 和 distribute 并成为Python标准库中包含的标准工具。我们的想法是，distutils2 将针对旧 Python 版本进行分发，而 distutils2 将在 Python 3.3 中重命名为 packaging，其中将包含它在其标准库中。然而，这些计划并没有按预期进行，目前，distutils2 是一个废弃的项目。最新版本发布于 2012 年 3 月，其 Pypi 主页终于更新以反映其已消亡的情况。

  


其他：

还有其他工具，如果您有兴趣，请阅读Python中的Project Summaries包装用户指南。我不会将它们全部列出，以免重复该页面，并保持答案与问题匹配，该问题仅涉及 distribute、distutils、setuptools< /code> 和 distutils2。

建议：

如果所有这些对您来说都是新的，并且您不知道从哪里开始，我建议学习 setuptools 以及 pip 和 virtualenv，它们都可以很好地协同工作。

如果您正在研究 virtualenv，您可能会对这个问题感兴趣：之间有什么区别>venv、pyvenv、pyenv、virtualenv、virtualenvwrapper、等等？。 （是的，我知道，我和你一起呻吟。）

Answer 2

我是 distutils 维护者和 distutils2/打包贡献者。我在 ConFoo 2011 上做了一个关于 Python 打包的演讲，这些天我正在编写它的扩展版本。它尚未发布，因此以下摘录应该有助于定义事物。

• Distutils 是用于打包的标准工具。它可以很好地满足简单的需求，但受到限制并且扩展起来并不容易。

• Setuptools 是一个出于填补 distutils 功能缺失和探索新方向的愿望而诞生的项目。在某些子社区中，它是事实上的标准。它使用了 Python 核心开发人员不赞成的猴子补丁和魔法。

• Distribute 是Setuptools 的一个分支，开发人员认为它的开发速度太慢并且不可能发展它，因此开始了它的开发。当同一组启动 distutils2 时，它的开发速度显着减慢。 2013 年 8 月更新：distribute 合并回 setuptools 并停止使用。

• Distutils2 是一个新的 distutils 库，最初是作为 distutils 代码库的一个分支，具有从安装工具中汲取的好想法（其中一些在 PEP 中进行了深入讨论），以及受启发的基本安装程序点。 用于导入 Distutils2 的实际名称是 Python 3.3+ 标准库中的 packaging，或 2.4+ 和 3.1–3.2 中的 distutils2。 （向后移植很快就会推出。） Distutils2 没有发布 Python 3.3，它被搁置了。

更多信息：

• Distutils的命运——Pycon峰会+包装冲刺详细报告
• Distutils 和 Distutils2 之间的快速差异

我希望尽快完成我的指南，它将包含有关每个库的优点和缺点的更多信息以及过渡指南。

Answer 3

注意：答案已弃用，分发现已过时。自从 Python 包装管理局成立并做了很多清理工作以来，这个答案就不再有效了。

---

是的，你明白了。 :-o 我认为目前首选的软件包是 Distribute，它是 setuptools 的一个分支，它们是 distutils（原始打包系统）的扩展。 setuptools 没有得到维护，因此被分叉并重命名，但是安装时它使用 setuptools 的包名称！我认为大多数 Python 开发人员现在都使用 Distribute，我可以肯定地说我是这么做的。

Answer 4

我意识到我已经回答了你的第二个问题，但没有解决你原来问题中未经质疑的假设：

我正在尝试将一个开源库（SymPy，如果有人想知道的话）移植到 Python 3。
为此，我需要在构建 Python 3 时自动运行 2to3。

您可能，而不需要。其他策略在 http://docs.python.org/dev/howto/pyporting

为此，我需要使用分发，

您可能:) distutils 支持代码（而不是文档字符串）的构建时 2to3 转换，其方式与分发的方式不同： http://docs.python.org/dev/howto/pyporting#during-installation

Answer 5

在 2014 年底更新了这个问题，幸运的是 Python 打包混乱已经被 Continuum 的“conda”极大地清理了包管理器。

特别是，conda 可以快速创建 conda“环境”。您可以使用不同版本的 Python 配置环境。例如：

conda create -n py34 python=3.4 anaconda

conda create -n py26 python=2.6 anaconda

将创建两个（“py34”或“py26”）Python 环境不同版本的Python。

之后，您可以使用特定版本的 Python 调用环境：

source activate

在您必须处理不同版本的 Python 的情况下，此功能似乎特别有用。

此外，conda 具有以下功能：

• 与 Python 无关
• 跨平台
• 无需管理员权限
• 智能依赖管理（通过 SAT 求解器）
• 很好地处理可能需要链接的 C、Fortran 和系统级库

最后一点尤其重要如果您从事科学计算领域。