Python 依赖库管理哪家强？pipreqs、pigar、pip-tools、pipdeptree 任君挑选

在 python 的项目中，如何管理所用的全部依赖库呢？最主流的做法是维护一份“requirements.txt”，记录下依赖库的名字及其版本号。

那么，如何来生成这份文件呢？在上篇文章《由浅入深：python 中如何实现自动导入缺失的库？》中，我提到了一种常规的方法：

pip freeze > requirements.txt

这种方法用起来方便，但有几点不足：

• 它搜索依赖库的范围是全局环境，因此会把项目之外的库加入进来，造成冗余（一般是在虚拟环境中使用，但还是可能包含无关的依赖库）
• 它只会记录以“pip install”方式安装的库
• 它对依赖库之间的依赖关系不做区分
• 它无法判断版本差异及循环依赖等情况
• …………

可用于项目依赖管理的工具有很多，本文主要围绕与 requirements.txt 文件相关的、比较相似却又各具特色的 4 个三方库，简要介绍它们的使用方法，罗列一些显著的功能点。至于哪个是最好的管理方案呢？卖个关子，请往下看……

pipreqs

这是个很受欢迎的用于管理项目中依赖库的工具，可以用“pip install pipreqs”命令来安装。它的主要特点有：

• 搜索依赖库的范围是基于目录的方式，很有针对性
• 搜索的依据是脚本中所 import 的内容
• 可以在未安装依赖库的环境上生成依赖文件
• 查找软件包信息时，可以指定查询方式（只在本地查询、在 pypi 查询、或者在自定义的 pypi 服务）

基本的命令选项如下：

usage:
    pipreqs [options] <path>

options:
    --use-local           use only local package info instead of querying pypi
    --pypi-server <url>   use custom pypi server
    --proxy <url>         use proxy, parameter will be passed to requests library. you can also just set the
                          environments parameter in your terminal:
                          $ export http_proxy="http://10.10.1.10:3128"
                          $ export https_proxy="https://10.10.1.10:1080"
    --debug               print debug information
    --ignore <dirs>...    ignore extra directories
    --encoding <charset>  use encoding parameter for file open
    --savepath <file>     save the list of requirements in the given file
    --print               output the list of requirements in the standard output
    --force               overwrite existing requirements.txt
    --diff <file>         compare modules in requirements.txt to project imports.
    --clean <file>        clean up requirements.txt by removing modules that are not imported in project.

其中需注意，很可能遇到编码错误：unicodedecodeerror: 'gbk' codec can't decode byte 0xae in 。需要指定编码格式“--encoding=utf8”。

在已生成依赖文件“requirements.txt”的情况下，它可以强行覆盖、比对差异以及清除不再使用的依赖项。

pigar

pigar 同样可以根据项目路径来生成依赖文件，而且会列出依赖库在文件中哪些位置使用到了。这个功能充分利用了 requirements.txt 文件中的注释，可以提供很丰富的信息。

pigar 对于查询真实的导入源很有帮助，例如bs4 模块来自beautifulsoup4 库，mysqldb 则来自于mysql_python 库。可以通过“-s”参数，查找真实的依赖库。

$ pigar -s bs4 mysqldb

它使用解析 ast 的方式，而非正则表达式的方式，可以很方便地从 exec/eval 的参数、文档字符串的文档测试中提取出依赖库。

另外，它对于不同 python 版本的差异可以很好地支持。例如，concurrent.futures 是 python 3.2+ 的标准库，而在之前早期版本中，需要安装三方库futures ，才能使用它。pigar 做到了有效地识别区分。（ps：pipreqs 也支持这个识别，详见这个合入：）

pip-tools

pip-tools 包含一组管理项目依赖的工具：pip-compile 与 pip-sync，可以使用命令“pip install pip-tools”统一安装。它最大的优势是可以精准地控制项目的依赖库。

两个工具的用途及关系图如下：

pip-compile 命令主要用于生成依赖文件和升级依赖库，另外它可以支持 pip 的“hash-checking mode ”，并支持在一个依赖文件中嵌套其它的依赖文件（例如，在 requirements.in 文件内，可以用“-c requirements.txt”方式，引入一个依赖文件）。

它可以根据 setup.py 文件来生成 requirements.txt，假如一个 flask 项目的 setup.py 文件中写了“install_requires=['flask']”，那么可以用命令来生成它的所有依赖：

$ pip-compile
#
# this file is autogenerated by pip-compile
# to update, run:
#
#    pip-compile --output-file requirements.txt setup.py
#
click==6.7                # via flask
flask==0.12.2
itsdangerous==0.24        # via flask
jinja2==2.9.6             # via flask
markupsafe==1.0           # via jinja2
werkzeug==0.12.2          # via flask

在不使用 setup.py 文件的情况下，可以创建“requirements.in”，在里面写入“flask”，再执行“pip-compile requirements.in”，可以达到跟前面一样的效果。

pip-sync 命令可以根据 requirements.txt 文件，来对虚拟环境中进行安装、升级或卸载依赖库（注意：除了 setuptools、pip 和 pip-tools 之外）。这样可以有针对性且按需精简地管理虚拟环境中的依赖库。

另外，该命令可以将多个“*.txt”依赖文件归并成一个：

$ pip-sync dev-requirements.txt requirements.txt

pipdeptree

它的主要用途是展示 python 项目的依赖树，通过有层次的缩进格式，显示它们的依赖关系，不像前面那些工具只会生成扁平的并列关系。

除此之外，它还可以：

• 生成普遍适用的 requirements.txt 文件
• 逆向查找某个依赖库是怎么引入进来的
• 提示出相互冲突的依赖库
• 可以发现循环依赖，进行告警
• 生成多种格式的依赖树文件（json、graph、pdf、png等等）

它也有缺点，比如无法穿透虚拟环境。如果要在虚拟环境中工作，必须在该虚拟环境中安装 pipdeptree。因为跨虚拟环境会出现重复或冲突等情况，因此需要限定虚拟环境。但是每个虚拟环境都安装一个 pipdeptree，还是挺让人难受的。

好啦，4 种库介绍完毕，它们的核心功能都是分析依赖库，生成 requirements.txt 文件，同时，它们又具有一些差异，补齐了传统的 pip 的某些不足。

本文不对它们作全面的测评，只是选取了一些主要特性进行介绍，好在它们安装方便（pip install xxx），使用也简单，感兴趣的同学不妨一试。

更多丰富的细节，请查阅官方文档：

公众号【python猫】， 本号连载优质的系列文章，有喵星哲学猫系列、python进阶系列、好书推荐系列、技术写作、优质英文推荐与翻译等等，欢迎关注哦。