


Erstellen und veröffentlichen Sie ein privates Python-Paket auf GitHub
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:
- Erstellen eines Python-Pakets
- Bereitstellen des Pakets in einem privaten Repository (GitHub)
- 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.
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
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
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}!"
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
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}", } )
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
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
So installieren Sie unser Paket zum Testen lokal:
python setup.py sdist bdist_wheel
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
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}!"
Dann laden Sie das Paket hoch:
from .module1 import Hello
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}", } )
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!

Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

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

Heißer Artikel

Heiße Werkzeuge

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6
Visuelle Webentwicklungstools

SublimeText3 Mac-Version
Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Heiße Themen











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.

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 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 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.

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

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.

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.

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
