如何自动检测未使用代码并构建仅含推理功能的轻量Python Wheel？

你可以结合以下现成工具实现需求，无需自行开发复杂分析逻辑：

1. Coverage.py（运行时依赖分析） #

这是最实用的方案，通过运行目标函数追踪实际用到的代码：

• 安装后，编写简单测试脚本调用需保留的5个推理相关函数
• 执行coverage run your_test_script.py，追踪所有被执行的代码文件
• 用coverage report查看必要文件列表，基于此修改setup.py或MANIFEST.in，只保留这些文件，排除训练、测试等无关模块

2. Autoflake/Pycln（清理无用代码） #

在保留的文件中自动移除未使用的导入、变量和函数：

• 对目标文件执行autoflake --remove-all-unused-imports --in-place your_module.py
• 或用pycln your_module.py，精准清理未使用的导入与局部变量

3. Deadcode（进一步精简代码） #

识别保留文件中未被调用的函数、类和变量，完成最后一步精简：

• 执行deadcode --exclude=tests,training your_package/，输出所有未使用的代码元素，批量或手动移除冗余内容

4. Modulegraph（静态依赖分析） #

若不想运行代码，可使用PyInstaller底层的静态分析工具：

• 安装后，编写几行简单代码分析目标函数的依赖模块：

from modulegraph import modulegraph

mg = modulegraph.ModuleGraph()
mg.run_script("path/to/your_target_functions.py")
# 导出所有依赖的模块路径
for node in mg.flatten():
    if hasattr(node, 'filename'):
        print(node.filename)

• 基于输出的文件列表筛选需保留的代码

这些工具组合使用，能自动化完成从指定目标函数到生成极简Wheel包的流程，比手动用sed更可靠，代码变更后只需重新运行分析即可更新包内容。

内容的提问来源于stack exchange，提问作者BIOStheZerg