دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Publishing Python Packages: Test, share, and automate your projects
دانلود کتاب انتشار بسته های پایتون: پروژه های خود را آزمایش کنید، به اشتراک بگذارید و خودکار کنید
مشخصات کتاب
Publishing Python Packages: Test, share, and automate your projects
ویرایش: [1 ed.]
نویسندگان: Dane Hillard
سری:
ISBN (شابک) : 161729991X, 9781617299919
ناشر: Manning Publications
سال نشر: 2023
تعداد صفحات: 248
[250]
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 15 Mb
قیمت کتاب (تومان) : 49,000
در صورت تبدیل فایل کتاب Publishing Python Packages: Test, share, and automate your projects به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب انتشار بسته های پایتون: پروژه های خود را آزمایش کنید، به اشتراک بگذارید و خودکار کنید نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
توضیحاتی در مورد کتاب انتشار بسته های پایتون: پروژه های خود را آزمایش کنید، به اشتراک بگذارید و خودکار کنید
بسته های پایتون استادانه و قابل نگهداری ایجاد کنید! این کتاب شامل نکات حرفه ای برای طراحی، اتوماسیون، تست، استقرار و حتی انتشار به عنوان یک پروژه منبع باز است! در انتشار بسته‌های پایتون، یاد خواهید گرفت که چگونه: • ساخت برنامه های افزودنی و دستورات اسکریپت کنسول • از سم برای بسته بندی، نصب و آزمایش خودکار استفاده کنید • با استفاده از GitHub Actions یک خط لوله ادغام پیوسته بسازید • بهبود کیفیت کد و کاهش بازبینی دستی با استفاده از سیاه، mypy، و flake8 • اسناد منتشر شده برای بسته های خود ایجاد کنید • بسته ها را با pyupgrade و Dependabot به روز نگه دارید • با استفاده از ویژگی های GitHub یک جامعه منبع باز را تقویت کنید انتشار بسته های پایتون به شما می آموزد که چگونه به راحتی کد پایتون خود را با تیم خود و دنیای خارج به اشتراک بگذارید. یک فرآیند تکرارپذیر و بسیار خودکار برای نگهداری بسته را بیاموزید که بر اساس بهترین شیوه ها، ابزارها و استانداردهای بسته بندی پایتون است. این کتاب شما را در ایجاد یک بسته کامل، از جمله پسوند C راهنمایی می‌کند و شما را در تمام مسیر انتشار در فهرست بسته پایتون راهنمایی می‌کند. چه در بسته‌بندی پایتون کاملاً تازه کار باشید یا به دنبال راه‌های بهینه برای نگهداری و مقیاس‌بندی بسته‌های خود باشید، این راهنمای سریع و جذاب برای شما مناسب است. پیشگفتار دیوید بیزلی در مورد تکنولوژی بسته های موفق پایتون به راحتی نصب می شوند، بدون نقص اجرا می شوند و به طور قابل اعتماد به روز می مانند. انتشار بسته‌های کامل پایتون نیازمند یک فرآیند دقیق است که از تست و بررسی سیستماتیک همراه با مستندات عالی پشتیبانی می‌کند. خوشبختانه، اکوسیستم پایتون شامل ابزارها و تکنیک هایی برای خودکارسازی ایجاد و انتشار بسته است. درباره کتاب انتشار بسته های پایتون یک فرآیند عملی برای به اشتراک گذاری کد پایتون به روشی خودکار و مقیاس پذیر ارائه می دهد. با جدیدترین ابزارهای بسته بندی تجربه عملی داشته باشید و نکات و نکات تست بسته و یکپارچه سازی مداوم را بیاموزید. شما حتی نکات حرفه‌ای برای راه‌اندازی یک پروژه منبع باز قابل نگهداری، از جمله صدور مجوز، مستندسازی، و پرورش جامعه مشارکت‌کنندگان دریافت خواهید کرد. داخلش چیه • ساخت برنامه های افزودنی و دستورات اسکریپت کنسول • بهبود کیفیت کد با بررسی و آزمایش خودکار • مستندات عالی ایجاد کنید • بسته ها را با pyupgrade و Dependabot به روز نگه دارید درباره خواننده برای برنامه نویسان پایتون متوسط. درباره نویسنده Dane Hillard بیشتر عمر حرفه ای توسعه خود را با استفاده از Python برای ساخت برنامه های وب گذرانده است.
توضیحاتی درمورد کتاب به خارجی
Create masterful, maintainable Python packages! This book includes pro tips for design, automation, testing, deployment, and even release as an open source project! In Publishing Python Packages you will learn how to: • Build extensions and console script commands • Use tox to automate packaging, installing, and testing • Build a continuous integration pipeline using GitHub Actions • Improve code quality and reduce manual review using black, mypy, and flake8 • Create published documentation for your packages • Keep packages up to date with pyupgrade and Dependabot • Foster an open source community using GitHub features Publishing Python Packages teaches you how to easily share your Python code with your team and the outside world. Learn a repeatable and highly automated process for package maintenance that’s based on the best practices, tools, and standards of Python packaging. This book walks you through creating a complete package, including a C extension, and guides you all the way to publishing on the Python Package Index. Whether you’re entirely new to Python packaging or looking for optimal ways to maintain and scale your packages, this fast-paced and engaging guide is for you. Foreword by David Beazley. About the technology Successful Python packages install easily, run flawlessly, and stay reliably up to date. Publishing perfect Python packages requires a rigorous process that supports systematic testing and review, along with excellent documentation. Fortunately, the Python ecosystem includes tools and techniques to automate package creation and publishing. About the book Publishing Python Packages presents a practical process for sharing Python code in an automated and scalable way. Get hands-on experience with the latest packaging tools, and learn the ins and outs of package testing and continuous integration. You’ll even get pro tips for setting up a maintainable open source project, including licensing, documentation, and nurturing a community of contributors. What's inside • Build extensions and console script commands • Improve code quality with automated review and testing • Create excellent documentation • Keep packages up to date with pyupgrade and Dependabot About the reader For intermediate Python programmers. About the author Dane Hillard has spent the majority of his development career using Python to build web applications.
فهرست مطالب
Publishing Python Packages brief contents contents foreword preface acknowledgments about this book Who should read this book? How this book is organized: a roadmap About the code liveBook discussion forum about the author about the cover illustration Part 1—Foundations 1 The what and why of Python packages 1.1 What is a package, anyway? 1.1.1 Standardizing packaging for automation 1.1.2 The contents of a distribution package 1.1.3 The challenges of sharing software 1.2 How packaging helps you 1.2.1 Enforcing cohesion and encapsulation through packaging 1.2.2 Promoting clear ownership of code 1.2.3 Decoupling implementation from usage 1.2.4 Filling roles by composing small packages Summary 2 Preparing for package development 2.1 Managing Python virtual environments 2.1.1 Creating virtual environments with venv Summary 3 The anatomy of a minimal Python package 3.1 The Python build workflow 3.1.1 Parts of the Python build system 3.2 Authoring package metadata 3.2.1 Required core metadata 3.2.2 Optional core metadata 3.2.3 Specifying a license 3.3 Controlling source code and file discovery 3.4 Including non-Python files in a package Summary Part 2—Creating a viable package 4 Handling package dependencies, entry points, and extensions 4.1 A package for calculating vehicle drift 4.2 Creating a C extension for Python 4.2.1 Creating C extension source code 4.2.2 Integrating Cython into a Python package build 4.2.3 Installing and profiling your C extension 4.2.4 Build targets for binary wheel distributions 4.2.5 Specifying required Python versions 4.3 Offering command-line tools from a Python package 4.3.1 Creating commands with Setuptools entry points 4.4 Specifying dependencies for Python packages Answer to exercises Summary 5 Building and maintaining a test suite 5.1 Integrating a testing setup 5.1.1 The pytest testing framework 5.1.2 Adding test coverage measurement 5.1.3 Increasing test coverage 5.2 Addressing testing tedium 5.2.1 Addressing repetitive, data-driven tests 5.2.2 Addressing frequent package installation 5.2.3 Configuring test environments 5.2.4 Tips for quicker and safer testing Answers to exercises Summary 6 Automating code quality tooling 6.1 The true power of tox environments 6.1.1 Creating nondefault tox environments 6.1.2 Managing dependencies across tox environments 6.2 Analyzing type safety 6.2.1 Creating a tox environment for type checking 6.2.2 Configuring mypy 6.3 Creating a tox environment for code formatting 6.3.1 Configuring black 6.4 Creating a tox environment for linting 6.4.1 Configuring flake8 Answers to exercises Summary Part 3—Going public 7 Automating work through continuous integration 7.1 The continuous integration workflow 7.2 Continuous integration with GitHub Actions 7.2.1 A high-level GitHub Actions workflow 7.2.2 Understanding GitHub Actions terminology 7.2.3 Starting a GitHub Actions workflow configuration 7.3 Converting manual tasks to GitHub Actions 7.3.1 Running a job multiple times with a build matrix 7.3.2 Building Python package distributions for a variety of platforms 7.4 Publishing a package Summary 8 Authoring and maintaining documentation 8.1 Some quick philosophy on documentation 8.2 Starting your documentation with Sphinx 8.2.1 Automating documentation refresh during development 8.2.2 Automating extraction of code documentation 8.3 Publishing documentation to Read the Docs 8.3.1 Configuring Read the Docs 8.4 Documentation best practices 8.4.1 What to document 8.4.2 Prefer linking over repetition 8.4.3 Use consistent, empathetic language 8.4.4 Avoid assumptions and create context 8.4.5 Create visual interest and coherent structure 8.4.6 Powering up your documentation Summary 9 Making a package evergreen 9.1 Choosing a package-versioning strategy 9.1.1 Direct and indirect dependencies 9.1.2 Python dependency specifiers and dependency hell 9.1.3 Semantic versioning and calendar versioning 9.2 Getting the most out of GitHub 9.2.1 The GitHub dependency graph 9.2.2 Mitigating security vulnerabilities with Dependabot 9.3 Thresholding test coverage 9.4 Updating Python syntax using pyupgrade 9.5 Reducing rework using pre-commit hooks Answers to exercises Summary Part 4—The long haul 10 Scaling and solidifying your practices 10.1 Creating a project template for future packages 10.1.1 Creating a cookiecutter configuration 10.1.2 Extracting a cookiecutter template from an existing project 10.2 Using namespace packages 10.2.1 Converting an existing package to a namespace package 10.3 Scaling packaging in your organization 10.3.1 Private package repository servers Summary 11 Building a community 11.1 Your README needs to make a value proposition 11.2 Provide supporting documentation for different user types 11.3 Establish, provide, and enforce a code of conduct 11.4 Conveying the project’s road map, status, and changes 11.4.1 Using GitHub projects for kanban management 11.4.2 Use GitHub labels to track status for individual tasks 11.4.3 Track high-level changes in a log 11.5 Gather consistent information with issue templates 11.6 Go forth Summary Appendix A—Installing asdf and python-launcher A.1 Installing asdf A.2 Installing python-launcher Answer to exercise A.1 Appendix B—Installing pipx, build, tox, pre-commit, and cookiecutter B.1 Installing pipx B.2 Installing build B.3 Installing tox B.4 Installing pre-commit B.5 Installing cookiecutter index Symbols Numerics A B C D E F G H I K L M N O P R S T U V W X
