分发、distutils、setuptools和distutils2之间的差异？

Question

形势

我正在尝试将一个开源库移植到Python3(如果有人想知道的话，可以使用SymPy)。

因此，在为Python3构建时，我需要自动运行2to3。为此，我需要使用distribute。因此，我需要移植当前的系统，这个系统(根据doctest)是distutils。

问题

不幸的是，我不知道这些模块之间有什么区别--distutils、distribute、setuptools。这些文档是最好的，因为它们似乎都是彼此的分叉，目的是在大多数情况下(但实际上不是全部)兼容…。等等，诸如此类。

问题

，有人能解释一下差异吗？，我该用什么？什么是最现代的解决方案？(顺便说一句，我也希望得到一些关于移植到Distribute的指导，但这超出了问题…的范围)

Answer 1

注:回答不推荐，现在分发过时。这个答案不再有效，因为已经形成，并且已经做了大量的工作来清理这个问题。

是的，你明白了。-o我认为此时首选的包是分发，它是setuptools的分叉，它是distutils (原始打包系统)的扩展。setuptools没有被维护，因此is被分叉并重命名，但是在安装时它使用了Setuptools的包名！我认为大多数Python开发人员现在都使用分发，我可以肯定地说我使用了。

Answer 2

我认识到，我回答了你的第二个问题，而没有谈到你原来问题中无可置疑的假设：

我正在尝试将一个开源库(如果有人想知道的话是SymPy)移植到Python3。要做到这一点，我需要在构建Python3时自动运行2-3。

你可以，不需要。其他策略在http://docs.python.org/dev/howto/pyporting中被描述。

要做到这一点，我需要使用分发，

您可以:) distutils以不同的方式支持代码(而不是docstring)的构建时2到3转换：http://docs.python.org/dev/howto/pyporting#during-installation

Answer 3

2014年底更新了这个问题，幸运的是，连续统的"康达“包管理器已经大大消除了package混乱。

特别是，conda可以快速创建conda "环境“。您可以使用不同版本的Python配置您的环境。例如：

conda create -n py34 python=3.4 anaconda

conda create -n py26 python=2.6 anaconda

将使用不同版本的Python创建两个("py34“或"py26") Python环境。

之后，您可以使用以下特定版本的Python调用环境：

source activate <env name>

在您需要处理不同版本Python的情况下，这个特性似乎特别有用。

此外，conda还具有以下特点：

• Python不可知论者
• 交叉平台
• 不需要管理特权
• 智能依赖管理(通过SAT解决程序)
• 很好地处理C、Fortran和系统级库，您可能需要链接这些库。

如果你在科学计算领域，最后一点尤其重要。