如何在Bazel @rules_python的BUILD文件中批量导入requirements.txt依赖到py_library？

在使用Bazel的@rules_python时，pip_parse工具可以为requirements.txt中的每个依赖生成库目标，示例代码如下：

load("@rules_python//python:pip.bzl", "pip_parse")

pip_parse(
    name = "pip_deps",
    requirements_lock = ":requirements.txt",
)

load("@pip_deps//:requirements.bzl", "install_deps")

install_deps()

但将这些依赖逐个导入py_library时，会重复requirements.txt中的内容，示例：

load("@pip_deps//:requirements.bzl", "requirement")

py_library(
    name = "bar",
    ...
    deps = [
       "//my/other:dep",
       requirement("requests"),  # 重复声明
       requirement("numpy"),     # 重复声明
    ],
)

1. 一步导入所有依赖到py_library的方法 #

可以直接使用pip_parse生成的requirements.bzl中的all_requirements列表，一次性导入所有依赖，无需逐个声明：

load("@pip_deps//:requirements.bzl", "all_requirements")

py_library(
    name = "bar",
    ...
    deps = [
       "//my/other:dep",
    ] + all_requirements,
)

all_requirements是一个包含所有依赖对应requirement()目标的列表，直接将其与自定义依赖拼接进deps即可完成批量导入。

2. pip_parse与pip_repositories的区别 #

• 构建模式差异：

  • pip_parse是增量式、锁文件驱动的工具：它基于锁定文件解析依赖，为每个依赖生成独立的Bazel仓库，仅在实际使用该依赖时才会拉取、构建，能有效提升大型项目的构建启动速度。
  • pip_repositories是全量预加载的旧工具：它会一次性拉取并注册所有依赖到Bazel仓库，无论是否用到，在依赖较多的项目中会导致构建启动缓慢。

• 目标灵活性：

  • pip_parse生成的requirements.bzl同时提供requirement()（单个依赖导入）和all_requirements（批量导入）两种方式，适配不同场景的依赖引用需求。
  • pip_repositories仅主打all_requirements批量导入，单个依赖的引用方式不够直观，且对锁文件的支持有限。

• 官方定位：

  • pip_parse是rules_python官方推荐的现代依赖管理方案，支持多Python版本、增量构建等特性，符合Bazel最新的构建理念。
  • pip_repositories属于遗留工具，官方已不再推荐使用，仅用于兼容旧项目。

内容的提问来源于stack exchange，提问作者manews