如何发布自己的 python 包？

我是一条小青蛇

发布于 2019-10-23 17:21:11

62000

代码可运行

文章被收录于专栏：青笔原创

运行总次数：0

代码可运行

前言

本文以笔者实际发布的 python 包 imgkernel 为例。因此，在本文所有出现 imgkernel 的地方，都替换成读者自己项目或包的名称。同时，imgkernel 也托管在 github 上，后续 master 分支会更新，但是项目单独检出的 pkg 分支将保持与本文内容一致，不再改动。因此，可以将此分支 clone 下来作为新项目启动工程。clone pkg 分支的方法如下：

git clone -b pkg https://github.com/kenblikylee/imgkernel.git

下面分步骤讲解 imgkernel 项目的创建，生成，发布测试，正式发布到 PyPi 和安装使用。

1. 创建github仓库

2. 克隆仓库到本地

git clone https://github.com/kenblikylee/imgkernel.git
cd imgkernel

3. 创建 setup.py

setup.py 是 setuptools 的构建脚本，告知 setuptools 包的名称和版本，以及哪些文件将被打包。

在项目根目录新建文件 setup.py ，复制黏贴如下代码到 setup.py：

import setuptools

with open("README.md", "r") as fh:
    long_description = fh.read()

setuptools.setup(
    name="imgkernel",
    version="0.0.1",
    author="ken",
    author_email="kenbliky@gmail.com",
    description="Image kernel.",
    long_description=long_description,
    long_description_content_type="text/markdown",
    url="https://github.com/kenblikylee/imgkernel",
    packages=setuptools.find_packages(),
    classifiers=[
        "Programming Language :: Python :: 3",
        "License :: OSI Approved :: MIT License",
        "Operating System :: OS Independent",
    ],
    python_requires='>=3.6',
)

4. 创建项目包 imgkernel

setup.py 会自动查找项目根目录下，包含文件 __init__.py 的子目录，作为项目的包，并以目录名称作为包名。这里只创建了一个与项目同名的包 imgkernel，当然不是必须创建一个同名的包，事实上，可以创建任意名称的多个包。

创建后，整个项目目录结构如下：

.
├── imgkernel
│   ├── __init__.py
│   ├── imgconv.py
│   └── kernels.py
├── LICENSE
├── README.md
└── setup.py

imgkernel 包有三个文件: __init__.py, imgconv.py, kernels.py，下面分别是三个文件的代码实现：

4.1 init.py

__init__.py 是包内部模块对外的导出接口，或者说，当使用 import 时的导入对象。我们把需要提供外部应用使用的函数，数据，类等都放在这个文件里。当然，并非一定要此文件里实现，import 进来的模块也会被导出，例如下面的 kernels 下的所有 kernel 以及 imgconv 函数。

from .kernels import *
from .imgconv import imgconv

def identity(imgpath, gray=True, **argkw):
    return imgconv(imgpath, identity_kernel(**argkw), strides=1, mean=False, gray=gray)

def sharpen(imgpath, gray=True, **argkw):
    return imgconv(imgpath, sharpen_kernel(**argkw), strides=1, mean=False, gray=gray)

def blur(imgpath, gray=True, **argkw):
    return imgconv(imgpath, blur_kernel(**argkw), strides=1, mean=False, gray=gray)

def emboss(imgpath, gray=True, **argkw):
    return imgconv(imgpath, emboss_kernel(**argkw), strides=1, mean=False, gray=gray)

def outline(imgpath, gray=True, **argkw):
    return imgconv(imgpath, outline_kernel(**argkw), strides=1, mean=True, gray=gray)

def sobel(imgpath, gray=True, **argkw):
    return imgconv(imgpath, sobel_kernel(**argkw), strides=1, mean=False, gray=gray)

4.2 imgconv.py

from PIL import Image
import numpy as np

def read_img(imgpath, gray=True):
    img = Image.open(imgpath)
    if gray:
        img = img.convert("L")
    return img

def crop_center(img):
    w, h = img.size
    c_x, c_y = w/2, h/2
    offset = min(w, h) / 2
    crop_box = (c_x-offset, c_y-offset, c_x+offset, c_y+offset)
    return img.crop(crop_box)

def resize_width(img, width):
    w, h = img.size
    height = int(width * h / w)
    return img.resize((width, height))

def apply_img_kernel(img, kernel, strides=1, mean=False):
    img = np.asarray(img)

    h, w = img.shape[:2]
    k_h, k_w = kernel.shape[:2]
    x_range = range(0, w - k_w + 1, strides)
    y_range = range(0, h - k_h + 1, strides)

    if mean:
        prosum = lambda a,b: min((a*b).mean(), 255)
    else:
        prosum = lambda a,b: min((a*b).sum(), 255)

    cal = lambda img: np.array([[prosum(img[i:i+k_h, j:j+k_w], kernel)
                                 for j in x_range]
                                    for i in y_range]).astype(np.uint8)

    if len(img.shape) == 2:
        data = cal(img)
        return Image.fromarray(data)
    elif len(img.shape) == 3:
        r, g, b = np.transpose(img, (2, 0, 1))
        _r, _g, _b = cal(r), cal(g), cal(b)
        return Image.merge('RGB', [Image.fromarray(d) for d in [_r, _g, _b]])

imgs = dict()

def imgconv(imgpath, kernel, strides=1, mean=False, gray=True):
    if imgpath in imgs:
        img = imgs[imgpath]
    else:
        img = read_img(imgpath, gray)
        img = crop_center(resize_width(img, 320))
    return img, apply_img_kernel(img, kernel, mean=mean)

4.3 kernels.py

import numpy as np

# 鲜明
def identity_kernel(iden=1.0):
    return np.array([[0, 0,    0],
                     [0, iden, 0],
                     [0, 0,    0]])

# 锐化
def sharpen_kernel(inner=5.0,  edge=-1.0):
    return np.array([[0,    edge,  0],
                     [edge, inner, edge],
                     [0,    edge,  0]])

# 模糊
def blur_kernel(inner=0.25,  edge=0.125, corner=0.0625):
    return np.array([[corner, edge,  corner],
                     [edge,   inner, edge],
                     [corner, edge,  corner]])

# 浮雕
def emboss_kernel(diag=2.0, iden=1.0):
    return np.array([[-diag, -iden, 0],
                     [-iden, iden,  iden],
                     [0,     iden,  diag]])

# 轮廓线
def outline_kernel(inner=8.0, outer=-1.0):
    return np.array([[outer, outer, outer],
                     [outer, inner, outer],
                     [outer, outer, outer]])

# 边缘检测
def sobel_kernel(direction, base=None, edge=2.0, corner=1.0):
    if base is not None:
        edge = base
        corner = base / 2
    if direction == 'top':
        return np.array([[corner, edge, corner], [0, 0, 0], [-corner, -edge, -corner]])
    elif direction == 'bottom':
        return np.array([[-corner, -edge, -corner], [0, 0, 0], [corner, edge, corner]])
    elif direction == 'left':
        return np.array([[corner, 0, -corner], [edge, 0, -edge], [corner, 0, -corner]])
    elif direction == 'right':
        return np.array([[-corner, 0, corner], [-edge, 0, edge], [-corner, 0, corner]])

    return identity_kernel()

5. 生成包

先确保已经安装了最新版本的 setuptools, wheel, twine

pip install --user --upgrade setuptools wheel twine

生成项目包：

python setup.py sdist bdist_wheel

运行后，项目目录结构如下：

.
├── build
│   ├── bdist.macosx-10.7-x86_64
│   └── lib
│       └── imgkernel
│           ├── __init__.py
│           ├── imgconv.py
│           └── kernels.py
├── dist
│   ├── imgkernel-0.0.1-py3-none-any.whl
│   └── imgkernel-0.0.1.tar.gz
├── imgkernel
│   ├── __init__.py
│   ├── imgconv.py
│   └── kernels.py
├── imgkernel.egg-info
│   ├── PKG-INFO
│   ├── SOURCES.txt
│   ├── dependency_links.txt
│   └── top_level.txt
├── LICENSE
├── README.md
└── setup.py

6. 上传包到 PyPI

6.1 注册 PyPI 测试账号

注册地址：https://test.pypi.org/account/register/

6.2 使用 twine 上传 dist 目录下的存档

python -m twine upload --repository-url https://test.pypi.org/legacy/ dist/*

打开: https://test.pypi.org/project/imgkernel/0.0.1/ 可看到，包已经成功发布到测试 PyPI。

7. 安装

pip install --index-url https://test.pypi.org/simple/ --no-deps imgkernel

使用 python 解释器测试包是否安装成功：

$ python
>>> import imgkernel
>>> imgkernel.blur
<function blur at 0x108c00d90>
>>> imgkernel.outline
<function outline at 0x108c00ea0>

8. 正试发布！

如果在第6小节，是发布到 PyPI 的测试环境，这一步就是发布到 PyPI 生产环境。如果顺利完成上面的步骤的，发布正试 PyPI 也基本一样。需要注意的是，测试 PyPI 不是永久存储的，后台会定期清楚，而正试 PyPI 是永久存储的，且一旦发布，就不能修改，只能迭代新的版本，此外，还需要确保包名不能和已经发布的包重名。

正试和测试是独立的系统，因此，还需要注册一个账号，注册地址：https://pypi.org

使用 twine 发布：

python -m twine upload dist/*

安装：

pip install imgkernel

结语

本文示例项目 github 地址：https://github.com/kenblikylee/imgkernel

使用方法：

git clone -b pkg https://github.com/kenblikylee/imgkernel.git

参考

本文参与腾讯云自媒体同步曝光计划，分享自作者个人站点/博客。

原始发表：2019-09-232，如有侵权请联系 cloudcommunity@tencent.com 删除

kernel

本文分享自作者个人站点/博客前往查看

如有侵权，请联系 cloudcommunity@tencent.com 删除。

本文参与腾讯云自媒体同步曝光计划，欢迎热爱写作的你一起参与！

登录后参与评论

0 条评论

热度