Python包构建疑问：setup.cfg依赖确定与工具选择

问题1：setup.cfg中install_requires的依赖确定及最佳实践 #

核心逻辑 #

install_requires仅需列出你的包运行时必须依赖的第三方包，不需要包含requirements.txt里的所有内容。两者定位完全不同：

• requirements.txt是开发环境专用，通常包含运行依赖、开发测试类依赖（如pytest、black），甚至会锁定精确版本号，目的是保证开发团队环境一致。
• install_requires是给最终用户的配置，用户安装你的包时，pip会自动拉取这些依赖，只需要包含代码运行时直接import的包即可。

最佳实践 #

• 只列必需依赖：比如你的代码明确用到pandas，就把它加进去；开发测试时用的工具包，绝对不要放在这里。
• 合理设置版本范围：避免写死精确版本（如pandas==1.5.3），建议用宽松约束（如pandas>=1.0,<2.0），既保证兼容性，又不给用户环境造成过度限制。
• 拆分非核心依赖：把开发、测试、文档相关的依赖单独拆分，比如在setup.cfg里用extras_require：

  [options.extras_require]
  dev =
      pytest>=7.0
      black>=23.0
  

  或者单独维护requirements-dev.txt，供开发人员自行安装。
• 禁止直接复制requirements.txt内容：否则会把你的开发依赖强制安装给所有用户，造成不必要的依赖冗余。

问题2：最新Python包构建工具推荐 #

Python官方列出的Hatchling、setuptools、Flit、PDM均为合规工具，不同工具适配不同场景，当前主流推荐如下：

• Hatchling：
  现代包构建的首选之一，完全基于pyproject.toml标准，内置虚拟环境管理、包构建、发布全流程，配置简洁直观，支持多版本Python测试，功能全面且开箱即用，适合绝大多数新包开发场景。

• Flit：
  轻量级工具，专注纯Python包的快速构建，配置极简，仅需pyproject.toml就能完成核心配置，无多余复杂功能，适合开发结构简单的小型Python库。

• PDM：
  集成包构建、依赖管理、虚拟环境管理的一站式工具，体验类似前端的npm/yarn，支持现代Python包标准，适合既开发包又管理项目依赖的场景，尤其适配大型项目。

• setuptools：
  老牌工具，兼容性极强，支持几乎所有Python版本和复杂构建需求（如C扩展打包），如果维护遗留项目或需要高度定制化构建流程，仍可选用，但新项目更推荐前三者。

内容的提问来源于stack exchange，提问作者Violet