Python包开发中不同setup.py写法的差异及选型咨询

两种setup.py写法的核心差异 #

两者本质是适用场景不同的两套构建体系：

• 第一种是标准setuptools原生方案：
  基于官方setuptools库的原生setup函数和find_packages工具开发，是Python包分发的通用基础方案，写法为声明式配置，逻辑简单，专门为无编译需求的纯Python包设计，不需要处理复杂的系统依赖适配。对应代码就是你给出的简洁版本：

  from setuptools import setup, find_packages
  
  setup(name='mypackage',
        version='0.1', 
        packages=find_packages()
  )
  

• 第二种是numpy.distutils扩展方案：
  这是numpy为了适配科学计算包的编译需求，在setuptools基础上封装的扩展构建体系，Scipy这类包含大量C/Fortran扩展、需要对接BLAS/LAPACK等系统级数值依赖的包才会用到，和标准方案的核心区别有3点：
  1. 用Configuration对象管理配置，支持批量添加子包、编译目标、数据文件，降低多子包大型项目的配置成本
  2. 内置系统依赖探测能力，示例中的get_info("lapack_opt")就是自动探测本机LAPACK库的路径、编译参数，不需要开发者手动适配不同平台的依赖位置
  3. 使用numpy重写的setup函数，会自动处理扩展编译的平台适配、编译链参数配置，是标准setuptools功能的超集

自有包的写法选型建议 #

你只需要根据自己的包的属性判断即可：

• 如果你开发的是普通纯Python包，没有需要编译的C/C++/Fortran扩展，也不需要做复杂的系统依赖探测，直接选择第一种标准setuptools写法即可，当前更推荐配合pyproject.toml做全声明式配置，甚至可以完全不用编写setup.py文件
• 只有当你开发的是数值计算类包，需要编译Fortran/C扩展，且要对接BLAS/LAPACK这类科学计算系统依赖时，才需要用到第二种基于numpy.distutils的写法，普通业务场景完全没必要引入额外的复杂度

内容的提问来源于stack exchange，提问作者John