Heim Backend-Entwicklung Python-Tutorial Erstellen und veröffentlichen Sie ein privates Python-Paket auf GitHub

Erstellen und veröffentlichen Sie ein privates Python-Paket auf GitHub

Oct 20, 2024 pm 10:18 PM

Einführung

Als Softwareentwickler verwenden wir häufig Code über verschiedene Module und Projekte hinweg wieder. Aber seien wir ehrlich, diese Wiederholung stellt eine Herausforderung dar: Wenn wir diesen Code anpassen oder reparieren müssen, müssen wir an mehreren Stellen dieselben Änderungen vornehmen. Für diejenigen unter uns, die Wert auf Effizienz und Automatisierung legen, ist die Lösung klar: Erstellen Sie ein separates Paket, das in unseren Projekten installiert und verwendet werden kann.
Wenn es jedoch um vertraulichen Code geht, können wir unser Paket nicht einfach in öffentlichen Repositories wie PyPI veröffentlichen. Stattdessen müssen wir es in einem privaten Repository wie GitHub oder GitLab bereitstellen. Dieser Ansatz ermöglicht es uns, die Sicherheit aufrechtzuerhalten und gleichzeitig vom Komfort einer wiederverwendbaren Verpackung zu profitieren.

In diesem Tutorial führen wir Sie durch den folgenden Prozess:

  1. Erstellen eines Python-Pakets
  2. Bereitstellen des Pakets in einem privaten Repository (GitHub)
  3. Installieren des Pakets in einer virtuellen Umgebung (venv)

Wenn Sie diese Schritte befolgen, können Sie die Codeduplizierung reduzieren und die Wartung des gemeinsam genutzten Codes in Ihren Projekten vereinfachen.

Hinweis: DRY steht nicht nur für „Don't Repeat Yourself“ – es ist auch eine Wahl des Lebensstils.

Create and Release a Private Python Package on GitHub

1. Einrichten Ihrer Projektstruktur

Lassen Sie uns zunächst eine grundlegende Projektstruktur für unser Python-Paket einrichten:

my-package/
├── my_package/
│   ├── __init__.py
│   └── module1.py
├── setup.py
├── build.pipeline.yml
├── requirements.txt
├── .gitignore
├── README.md
├── MANIFEST.in
└── LICENSE
Nach dem Login kopieren
Nach dem Login kopieren
Nach dem Login kopieren

Lassen Sie uns die Anatomie unseres privaten Python-Pakets aufschlüsseln. Jede Datei und jedes Verzeichnis spielt eine entscheidende Rolle dabei, unser Paket funktionsfähig und installierbar zu machen:

  • my-package/: Dies ist das Stammverzeichnis unseres Projekts. Es ist wie ein Haus, das alle Räume (Dateien) enthält, die wir brauchen.
  • my_package/: In diesem Unterverzeichnis befindet sich der eigentliche Python-Code. Aus Gründen der Übersichtlichkeit trägt es den gleichen Namen wie unser Paket.
    • __init__.py: Diese Datei veranlasst Python, das Verzeichnis als Paket zu behandeln. Es kann leer sein oder den Initialisierungscode für das Paket ausführen.
    • module1.py: Hier platzieren wir unseren Hauptcode. Abhängig von der Komplexität Ihres Pakets können Sie mehrere Moduldateien haben.
  • setup.py: Betrachten Sie dies als die Bedienungsanleitung für unser Paket. Es enthält Metadaten zu unserem Paket (wie Name und Version) und listet seine Abhängigkeiten auf. Diese Datei ist wichtig, damit unser Paket über pip installierbar ist.
  • Anforderungen.txt: Diese Datei listet alle externen Python-Pakete auf, von denen unser Projekt abhängt. Es ist wie eine Einkaufsliste für Pip, die genau sagt, was installiert werden muss, damit unser Paket funktioniert.
  • README.md: Dies ist die Willkommensmatte unseres Projekts. Es ist normalerweise das Erste, was die Leute sehen, wenn sie unser GitHub-Repository besuchen. Deshalb verwenden wir es, um zu erklären, was unser Paket tut, wie man es installiert und wie man es verwendet.
  • .gitignore: Diese Datei teilt Git mit, welche Dateien oder Verzeichnisse ignoriert werden sollen. Dies ist praktisch, um kompilierten Code, temporäre Dateien oder vertrauliche Informationen vor der Versionskontrolle zu schützen.
  • LIZENZ: Diese Datei legt fest, wie andere unser Paket verwenden, ändern oder verteilen können. Es ist für Open-Source-Projekte von entscheidender Bedeutung und trägt zum Schutz unserer Arbeit bei.
  • MANIFEST.in: Diese Datei wird verwendet, um Nicht-Python-Dateien in unsere Paketverteilung einzubinden. Wenn wir über Datendateien, Dokumentationen oder andere Ressourcen verfügen, die einbezogen werden müssen, listen wir diese hier auf.
  • build.pipeline.yml: Diese Datei definiert unsere Continuous Integration/Continuous Deployment (CI/CD)-Pipeline. Es automatisiert Aufgaben wie das Ausführen von Tests und das Erstellen des Pakets, wenn wir Änderungen an unser GitHub-Repository übertragen.

2. Erstellen des Paketcodes

Lassen Sie uns ein einfaches Modul in unserem Paket erstellen. In my_package/module1.py:

my-package/
├── my_package/
│   ├── __init__.py
│   └── module1.py
├── setup.py
├── build.pipeline.yml
├── requirements.txt
├── .gitignore
├── README.md
├── MANIFEST.in
└── LICENSE
Nach dem Login kopieren
Nach dem Login kopieren
Nach dem Login kopieren

In my_package/__init__.py importieren wir unser Modul:

class Hello:
    def __init__(self, name):
        self.name = name

    def greet(self):
        return f"Hello, {self.name}!"
Nach dem Login kopieren
Nach dem Login kopieren

3. Setup.py erstellen

Die Datei setup.py ist für die Verpackung unseres Projekts von entscheidender Bedeutung. Hier ist ein einfaches Beispiel:

from .module1 import Hello
Nach dem Login kopieren
Nach dem Login kopieren

4. Anforderungen.txt erstellen

In unsere Datei „requirements.txt“ fügen wir die notwendigen Abhängigkeiten zum Erstellen und Verteilen unseres Pakets ein:

from setuptools import setup, find_packages

with open('requirements.txt') as f:
    requirements = f.read().splitlines()

setup(
    name="my_package",
    version="0.1",
    include_package_data=True,
    python_requires='>=3.8',
    packages=find_packages(),
    setup_requires=['setuptools-git-versioning'],
    install_requires=requirements,
    author="Abdellah HALLOU",
    author_email="abdeallahhallou33@gmail.com",
    description="A short description of your package",
    long_description=open('README.md').read(),
    long_description_content_type="text/markdown",
    classifiers=[
        "Programming Language :: Python :: 3.8",
        "License :: OSI Approved :: MIT License",
        "Operating System :: OS Independent",
    ],
    version_config={
       "dirty_template": "{tag}",
    }
)
Nach dem Login kopieren
Nach dem Login kopieren

5. Erstellen und Installieren Ihres Pakets

Installieren Sie die Anforderungen. Der Einfachheit halber verwenden wir die virtuelle Python-Umgebung.

setuptools==69.2.0
wheel
twine
Nach dem Login kopieren

So erstellen Sie unser Paket:

python -m venv env
source env/bin/activate # for linux and mac
./env/Scripts/activate # for windows
pip install -r requirements.txt
Nach dem Login kopieren

So installieren Sie unser Paket zum Testen lokal:

python setup.py sdist bdist_wheel
Nach dem Login kopieren

Sie können Ihre Arbeit festschreiben und die Ordner mithilfe der .gitignore-Datei ignorieren:

https://github.com/github/gitignore/blob/main/Python.gitignore

6. Veröffentlichen des Pakets auf GitHub mit einem Tag

Um das Paket zu veröffentlichen, erstellen Sie zunächst eine build.pipeline.yml-Datei im Stammverzeichnis des Projekts my-package/ und schreiben Sie sie fest. Die Bereitstellung erfolgt mit „twine“, der Bibliothek, die wir zuvor installiert haben:

my-package/
├── my_package/
│   ├── __init__.py
│   └── module1.py
├── setup.py
├── build.pipeline.yml
├── requirements.txt
├── .gitignore
├── README.md
├── MANIFEST.in
└── LICENSE
Nach dem Login kopieren
Nach dem Login kopieren
Nach dem Login kopieren

Wenn Sie Nicht-Python-Dateien in Ihre Modulinstallation einbinden müssen, können Sie eine MANIFEST.in-Datei verwenden. Diese Datei gibt an, welche zusätzlichen Dateien in Ihrer Paketverteilung enthalten sein sollen.

class Hello:
    def __init__(self, name):
        self.name = name

    def greet(self):
        return f"Hello, {self.name}!"
Nach dem Login kopieren
Nach dem Login kopieren

Dann laden Sie das Paket hoch:

from .module1 import Hello
Nach dem Login kopieren
Nach dem Login kopieren

7. Installieren Sie das Paket

Erstellen Sie ein Zugriffstoken:

  • Gehen Sie zu Einstellungen > Entwicklereinstellungen > Persönliche Zugriffstoken (klassisch) > Neues Token generieren.
  • Stellen Sie sicher, dass Sie den Bereich write:packages überprüfen, um die erforderlichen Berechtigungen zu erteilen.

Sobald Sie Ihr Token haben, bewahren Sie es sicher auf, da Sie es für die Installation Ihres Pakets benötigen.

Auf Ihrem Computer können Sie Ihr privates Paket mithilfe der folgenden Vorlage installieren:

from setuptools import setup, find_packages

with open('requirements.txt') as f:
    requirements = f.read().splitlines()

setup(
    name="my_package",
    version="0.1",
    include_package_data=True,
    python_requires='>=3.8',
    packages=find_packages(),
    setup_requires=['setuptools-git-versioning'],
    install_requires=requirements,
    author="Abdellah HALLOU",
    author_email="abdeallahhallou33@gmail.com",
    description="A short description of your package",
    long_description=open('README.md').read(),
    long_description_content_type="text/markdown",
    classifiers=[
        "Programming Language :: Python :: 3.8",
        "License :: OSI Approved :: MIT License",
        "Operating System :: OS Independent",
    ],
    version_config={
       "dirty_template": "{tag}",
    }
)
Nach dem Login kopieren
Nach dem Login kopieren

Abschluss

Gut gemacht, Sie wissen jetzt, wie Sie Ihre eigenen privaten Pakete mit Python auf GitHub erstellen und bereitstellen.

Github-Repository-Link: https://github.com/ABDELLAH-Hallou/Private-Python-Package-Deployment

Das obige ist der detaillierte Inhalt vonErstellen und veröffentlichen Sie ein privates Python-Paket auf GitHub. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Erklärung dieser Website
Der Inhalt dieses Artikels wird freiwillig von Internetnutzern beigesteuert und das Urheberrecht liegt beim ursprünglichen Autor. Diese Website übernimmt keine entsprechende rechtliche Verantwortung. Wenn Sie Inhalte finden, bei denen der Verdacht eines Plagiats oder einer Rechtsverletzung besteht, wenden Sie sich bitte an admin@php.cn

Heiße KI -Werkzeuge

Undresser.AI Undress

Undresser.AI Undress

KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover

AI Clothes Remover

Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool

Undress AI Tool

Ausziehbilder kostenlos

Clothoff.io

Clothoff.io

KI-Kleiderentferner

Video Face Swap

Video Face Swap

Tauschen Sie Gesichter in jedem Video mühelos mit unserem völlig kostenlosen KI-Gesichtstausch-Tool aus!

Heißer Artikel

<🎜>: Bubble Gum Simulator Infinity - So erhalten und verwenden Sie Royal Keys
4 Wochen vor By 尊渡假赌尊渡假赌尊渡假赌
Nordhold: Fusionssystem, erklärt
4 Wochen vor By 尊渡假赌尊渡假赌尊渡假赌
Mandragora: Flüstern des Hexenbaum
3 Wochen vor By 尊渡假赌尊渡假赌尊渡假赌

Heiße Werkzeuge

Notepad++7.3.1

Notepad++7.3.1

Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version

SublimeText3 chinesische Version

Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1

Senden Sie Studio 13.0.1

Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6

Dreamweaver CS6

Visuelle Webentwicklungstools

SublimeText3 Mac-Version

SublimeText3 Mac-Version

Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Heiße Themen

Java-Tutorial
1676
14
PHP-Tutorial
1278
29
C#-Tutorial
1257
24
Python vs. C: Lernkurven und Benutzerfreundlichkeit Python vs. C: Lernkurven und Benutzerfreundlichkeit Apr 19, 2025 am 12:20 AM

Python ist leichter zu lernen und zu verwenden, während C leistungsfähiger, aber komplexer ist. 1. Python -Syntax ist prägnant und für Anfänger geeignet. Durch die dynamische Tippen und die automatische Speicherverwaltung können Sie die Verwendung einfach zu verwenden, kann jedoch zur Laufzeitfehler führen. 2.C bietet Steuerung und erweiterte Funktionen auf niedrigem Niveau, geeignet für Hochleistungsanwendungen, hat jedoch einen hohen Lernschwellenwert und erfordert manuellem Speicher und Typensicherheitsmanagement.

Python lernen: Ist 2 Stunden tägliches Studium ausreichend? Python lernen: Ist 2 Stunden tägliches Studium ausreichend? Apr 18, 2025 am 12:22 AM

Ist es genug, um Python für zwei Stunden am Tag zu lernen? Es hängt von Ihren Zielen und Lernmethoden ab. 1) Entwickeln Sie einen klaren Lernplan, 2) Wählen Sie geeignete Lernressourcen und -methoden aus, 3) praktizieren und prüfen und konsolidieren Sie praktische Praxis und Überprüfung und konsolidieren Sie und Sie können die Grundkenntnisse und die erweiterten Funktionen von Python während dieser Zeit nach und nach beherrschen.

Python vs. C: Erforschung von Leistung und Effizienz erforschen Python vs. C: Erforschung von Leistung und Effizienz erforschen Apr 18, 2025 am 12:20 AM

Python ist in der Entwicklungseffizienz besser als C, aber C ist in der Ausführungsleistung höher. 1. Pythons prägnante Syntax und reiche Bibliotheken verbessern die Entwicklungseffizienz. 2. Die Kompilierungsmerkmale von Compilation und die Hardwarekontrolle verbessern die Ausführungsleistung. Bei einer Auswahl müssen Sie die Entwicklungsgeschwindigkeit und die Ausführungseffizienz basierend auf den Projektanforderungen abwägen.

Python vs. C: Verständnis der wichtigsten Unterschiede Python vs. C: Verständnis der wichtigsten Unterschiede Apr 21, 2025 am 12:18 AM

Python und C haben jeweils ihre eigenen Vorteile, und die Wahl sollte auf Projektanforderungen beruhen. 1) Python ist aufgrund seiner prägnanten Syntax und der dynamischen Typisierung für die schnelle Entwicklung und Datenverarbeitung geeignet. 2) C ist aufgrund seiner statischen Tipp- und manuellen Speicherverwaltung für hohe Leistung und Systemprogrammierung geeignet.

Welches ist Teil der Python Standard Library: Listen oder Arrays? Welches ist Teil der Python Standard Library: Listen oder Arrays? Apr 27, 2025 am 12:03 AM

PythonlistsarePartThestandardlibrary, whilearraysarenot.listarebuilt-in, vielseitig und UNDUSEDFORSPORINGECollections, während dieArrayRay-thearrayModulei und loses und loses und losesaluseduetolimitedFunctionality.

Python: Automatisierung, Skript- und Aufgabenverwaltung Python: Automatisierung, Skript- und Aufgabenverwaltung Apr 16, 2025 am 12:14 AM

Python zeichnet sich in Automatisierung, Skript und Aufgabenverwaltung aus. 1) Automatisierung: Die Sicherungssicherung wird durch Standardbibliotheken wie OS und Shutil realisiert. 2) Skriptschreiben: Verwenden Sie die PSUTIL -Bibliothek, um die Systemressourcen zu überwachen. 3) Aufgabenverwaltung: Verwenden Sie die Zeitplanbibliothek, um Aufgaben zu planen. Die Benutzerfreundlichkeit von Python und die Unterstützung der reichhaltigen Bibliothek machen es zum bevorzugten Werkzeug in diesen Bereichen.

Python für wissenschaftliches Computer: Ein detailliertes Aussehen Python für wissenschaftliches Computer: Ein detailliertes Aussehen Apr 19, 2025 am 12:15 AM

Zu den Anwendungen von Python im wissenschaftlichen Computer gehören Datenanalyse, maschinelles Lernen, numerische Simulation und Visualisierung. 1.Numpy bietet effiziente mehrdimensionale Arrays und mathematische Funktionen. 2. Scipy erweitert die Numpy -Funktionalität und bietet Optimierungs- und lineare Algebra -Tools. 3.. Pandas wird zur Datenverarbeitung und -analyse verwendet. 4.Matplotlib wird verwendet, um verschiedene Grafiken und visuelle Ergebnisse zu erzeugen.

Python für die Webentwicklung: Schlüsselanwendungen Python für die Webentwicklung: Schlüsselanwendungen Apr 18, 2025 am 12:20 AM

Zu den wichtigsten Anwendungen von Python in der Webentwicklung gehören die Verwendung von Django- und Flask -Frameworks, API -Entwicklung, Datenanalyse und Visualisierung, maschinelles Lernen und KI sowie Leistungsoptimierung. 1. Django und Flask Framework: Django eignet sich für die schnelle Entwicklung komplexer Anwendungen, und Flask eignet sich für kleine oder hochmobile Projekte. 2. API -Entwicklung: Verwenden Sie Flask oder Djangorestframework, um RESTFUFFUPI zu erstellen. 3. Datenanalyse und Visualisierung: Verwenden Sie Python, um Daten zu verarbeiten und über die Webschnittstelle anzuzeigen. 4. Maschinelles Lernen und KI: Python wird verwendet, um intelligente Webanwendungen zu erstellen. 5. Leistungsoptimierung: optimiert durch asynchrones Programmieren, Caching und Code

See all articles