Python 歷時這麼久以來至今還未有一個事實上標準的項目管理及構建工具，以至於造成 Python 項目的結構與構建方式五花八門。這或許是體現了 Python 的自由意志。
不像 Java 在經歷了最初的手工構建，到半自動化的 Ant, 再到 Maven 基本就是事實上的標準了。其間 Maven 還接受了其他的 Gradle(Android 項目主推), SBT(主要是 Scala 項目), Ant+Ivy, Buildr 等的挑戰，但都很難撼動 Maven 的江湖地位，而且其他的差不多遵循了 Maven 的目錄布局。
回到 Python，產生過 pip, pipenv, conda 那樣的包管理工具，但對項目的目錄布局沒有任何約定。
關於構建很多還是延續了傳統的 Makefile 的方式，再就是加上 setup.py 和 build.py 用程序代碼來進行安裝與構建。關於項目目錄布局，有做成項目模板的，然後做成工具來應用項目模板。
下面大概瀏覽一下四個工具的使用
CookieCutter 一個經典的 Python 項目目錄結構$ pip install cookiecutter
$ cookiecutter gh:audreyr/cookiecutter-pypackage # 以 github 上的 audreyr/cookiecutter-pypackage 為模板，再回答一堆的問題生成一個 Python 項目
.
project_name [Python Boilerplate]: sample
.最後由 cookiecutter 生成的項目模板是下面的樣子：
$ tree sample
sample
├── AUTHORS.rst
├── CONTRIBUTING.rst
├── HISTORY.rst
├── LICENSE
├── MANIFEST.in
├── Makefile
├── README.rst
├── docs
│ ├── Makefile
│ ├── authors.rst
│ ├── conf.py
│ ├── contributing.rst
│ ├── history.rst
│ ├── index.rst
│ ├── installation.rst
│ ├── make.bat
│ ├── readme.rst
│ └── usage.rst
├── requirements_dev.txt
├── sample
│ ├── __init__.py
│ ├── cli.py
│ └── sample.py
├── setup.cfg
├── setup.py
├── tests
│ ├── __init__.py
│ └── test_sample.py
└── tox.ini
3 directories, 26 files這大概是當前比較流行的目錄結構的主體框架，主要元素是：
$ tree sample
sample
├── Makefile
├── README.rst
├── docs
│ └── index.rst
├── requirements.txt
├── sample
│ ├── __init__.py
│ └── sample.py
├── setup.cfg
├── setup.py
└── tests
├── __init__.py
└── test_sample.py項目 sample 目錄中重複 sample 目錄中放置 Python 源文件，tests 目錄中是測試文件，再加一個 docs 目錄放文檔，README.rst, 其他的用於構建的 setup, setup.cfg 和 Makefile 文件。
這其實是一個很經典的 Python 項目結構，接下來的構建就用 make 命令了，輸入 make 會看到定義在 Makefile 文件中的指令
$ make
clean remove all build, test, coverage and Python artifacts
clean-build remove build artifacts
clean-pyc remove Python file artifacts
clean-test remove test and coverage artifacts
lint check style
test run tests quickly with the default Python
test-all run tests on every Python version with tox
coverage check code coverage quickly with the default Python
docs generate Sphinx HTML documentation, including API docs
servedocs compile the docs watching for changes
release package and upload a release
dist builds source and wheel package
install install the package to the active Python's site-packages為使用上面的構建過程，需要安裝相應的包，如 tox, wheel, coverage, sphinx, flake8, 它們都可以通過 pip 來安裝。之後就可以 make test, make coverage, make docs，make dist 等。其中 make docs 可以生成一個很漂亮的 Web 文檔。
PyScaffold 創建一個項目PyScaffold 顧名思義，它是一個用來創建 Python 項目腳手架的工具，安裝和使用：
$ pip install pyscaffold
$ putup sample這樣創建了一個 Python 項目，目錄結構與前面 cookiecutter 所選的模板差不多，只不過它把源文件放在了 src 目錄，而非 sample 目錄。
$ tree sample
sample
├── AUTHORS.rst
├── CHANGELOG.rst
├── CONTRIBUTING.rst
├── LICENSE.txt
├── README.rst
├── docs
│ ├── Makefile
│ ├── _static
│ ├── authors.rst
│ ├── changelog.rst
│ ├── conf.py
│ ├── contributing.rst
│ ├── index.rst
│ ├── license.rst
│ ├── readme.rst
│ └── requirements.txt
├── pyproject.toml
├── setup.cfg
├── setup.py
├── src
│ └── sample
│ ├── __init__.py
│ └── skeleton.py
├── tests
│ ├── conftest.py
│ └── test_skeleton.py
└── tox.ini整個項目的構建就要用 tox 這個工具了。tox 是一個自動化測試和構建工具，它在構建過程中可創建 Python 虛擬環境，這讓測試和構建能有一個乾淨的環境。tox 使用教程
tox -av 能顯示出定義在 tox.ini 中所有的任務：
$ tox -av
default environments:
default -> Invoke pytest to run automated tests
additional environments:
build -> Build the package in isolation according to PEP517, see https://github.com/pypa/build
clean -> Remove old distribution files and temporary build artifacts (./build and ./dist)
docs -> Invoke sphinx-build to build the docs
doctests -> Invoke sphinx-build to run doctests
linkcheck -> Check for broken links in the documentation
publish -> Publish the package you have been developing to a package index server. By default, it uses testpypi. If you really want to publish your package to be publicly accessible in PyPI, use the `-- --repository pypi` option.要執行哪個命令便用 tox -e build, tox -e docs 等, 下面是如何使用 PyScaffold 的動圖：https://yanbin.blog/wp-content/uploads/2021/09/pyscaffold-demo.gif
在我體驗 tox 命令過程中，每一步好像都比較慢，應該是創建虛擬機要花些時間。tox 使用教程
PyBuilder最好再看另一個構建工具 PyBuilder， 它所創建出的目錄結構很接近於 Maven, 下面來瞧瞧
$ pip install pybuilder
$ mkdir sample && cd sample # 項目目錄需手工創建
$ pyb --start-project # 回答一些問題後創建所需的目錄和文件完後看下它的目錄結構：
$ tree sample
.
├── build.py
├── docs
├── pyproject.toml
├── setup.py
└── src
├── main
│ ├── python
│ └── scripts
└── unittest
└── python構建過程仍然是用 pyb 命令，可用 pyb -h 查看幫助，pyb -t 列出所有的任務, PyBuilder 的任務是以插件的方式加入的，插件配置在 build.py 文件中。
$ pyb -t sample
Tasks found for project "sample":
analyze - Execute analysis plugins.
depends on tasks: prepare run_unit_tests
clean - Cleans the generated output.
compile_sources - Compiles source files that need compilation.
depends on tasks: prepare
coverage - <no description available>
depends on tasks: verify
install - Installs the published project.
depends on tasks: package publish(optional)
package - Packages the application. Package a python application.
depends on tasks: compile_sources run_unit_tests(optional)
prepare - Prepares the project for building. Creates target VEnvs
print_module_path - Print the module path.
print_scripts_path - Print the script path.
publish - Publishes the project.
depends on tasks: package verify(optional) coverage(optional)
run_integration_tests - Runs integration tests on the packaged application.
depends on tasks: package
run_unit_tests - Runs all unit tests. Runs unit tests based on Python's unittest module
depends on tasks: compile_sources
upload - Upload a project to PyPi.
verify - Verifies the project and possibly integration tests.
depends on tasks: run_integration_tests(optional)
$ pyb run_unit_tests samplePyBuilder 也是在構建或測試之前創建虛擬環境, 從 0.12.9 版開始可通過參數 --no-venvs 跳過創建虛擬環境這一步。使用了 --no-venvs 的話 Python 代碼將會在運行 pyb 的當前 Python 環境中執行，所需的依賴將要手工安裝。
項目的依賴也要定義在 build.py 文件中
@init
def set_properties(project):
project.depends_on('boto3', '>=1.18.52')
project.build_depends_on('mock')隨後在執行 pyb 創建虛擬環境時就會安裝上面的依賴，並在其中運行測試與構建。
Poetry最後一個 Poetry, 感覺這是一個更為成熟，項目活躍度也更高的 Python 構建，它有著更強大的信賴管理功能，用 poetry add boto3 就能添加依賴，poetry show --tree 顯示出依賴樹。看下如何安裝及創建一個項目
$ pip install poetry
$ poetry new sample它創建的項目比上面都簡單
$ tree sample
sample
├── README.rst
├── pyproject.toml
├── sample
│ └── __init__.py
└── tests
├── __init__.py
└── test_sample.py如果給 poetry new 帶上 --src 參數，那麼源文件目錄 sample 會放在 src 目錄下，即 sample/src/sample.
poetry init 會在當前目錄中生成 pyproject.toml 文件，目錄等的生成需手動完成。
它不關注文檔的生成，代碼規範的檢查，代碼覆蓋率都沒有。它的項目配置更集中，全部在 pyproject.toml 文件中，toml 是什麼呢？它是一種配置文件的格式 Tom's Obvious, Minimal Language (https://github.com/toml-lang/toml).
pyproject.toml 有些類似 NodeJS 的 package.json 文件，比如 poetry add, poetry install 命令的行
poetry add boto3 # 往 pyproject.toml 中添加對 boto3 的依賴並安裝(add 還能從本地或 git 來安裝依賴 ), 用 --dev 參數是給開發時用的poetry install # 將依照 pyproject.toml 文件中定義安裝相應的依賴到當前的 Python 虛擬環境中，比如在 <test-venv>/lib/python3.9/site-packages 目錄中，安裝好模塊後也可讓測試用例使用其他主要的
poetry build # 構建可安裝的 *.whl 和 tar.gz 文件poetry shell # 會根據定義在 pyproject.toml 文件中的依賴創建並使用虛擬環境poetry run pytest # 運行使用 pytest 的測試用例，如 tests/test_sample.pypoetry run python -m unittest tests/sample_tests.py # 運行 unittest 測試用例poetry export --without-hashes --output requirements.txt # 導出 requirements.txt 文件, --dev 導出含 dev 的依賴，或者用 poetry export --without-hashes > requirements.txtpoetry run 能執行任何系統命令，只是它會在它要的虛擬環境中執行。所以可以想見，poetry 的項目要生成文檔或覆蓋率都必須用 poetry run ... 命令來支持 sphinx, coverage 或 flake8。
在 sample 目錄(與 pyproject.toml 文件平級)中創建文件 my_module.py, 內容為
def main():
print('hello poetry')然後在 pyproject.toml 中寫上
[tool.poetry.scripts]
my-script="sample.my_module:main"再執行
$ poetry run my-script就會輸出 "hello poetry"。
通過對以上四個工具的認識，項目結構的複雜度由 cookiecutter-pyproject -> PyScaffold -> PyBuilder -> Poetry 依次降低，使用的難度大略也是相同的順序。
參考連結Set up tests, linters and type checking in Python projects in 2020 (https://medium.com/@cristobalcl/set-up-tests-linters-and-type-checking-in-python-projects-in-2020-9cc1b1e2750d) (介紹了 poetry 項目如何支持 coverage, lint 和 type checking)Dependency management tools for Python (https://snyk.io/blog/dependency-management-tools-python/)