写代码写久了，人多少都会变得有点“偏执”。
一种是对 秩序 的偏执——命名要统一、缩进要整齐、格式化必须干净利落。
另一种，是对 简单 的偏执——越自动化越好、越开箱即用越好、越无感越好。
尤其是当你兴致勃勃地想试一个新开源项目、敲下安装命令回车的那一刻，你期待看到的是：
- 一行行绿色的进度条
- 一眼就能看懂的 “Successfully installed”
而不是：
- 满屏的红色报错
- 冷冰冰的一句 “请先安装 XXX 系统依赖”
那种感觉，就像你饥肠辘辘打开外卖盒，结果——
店家忘了给你筷子。 饭就在那儿，香味都飘出来了，但你就是吃不到嘴里。
这种挫败感，是所有开发者心中共同的痛。
最近，我在维护自己的开源项目时，也被这根“筷子”折腾得够呛。 为了彻底解决它，我干脆……造了一个新的“轮子”。
今天就来聊聊它背后的故事。
起因：gitstats 与它唯一“不够顺滑”的地方#
我一直在维护一个工具叫 gitstats，主要用来生成 Git 仓库的统计报表：
- 提交活跃度
- 贡献者排行
- 项目增长趋势
- 图表可视化展示
它开源、简单、好用——除了一个点： 它依赖 gnuplot。
gnuplot 是一个非常成熟的绘图工具，在科研与数据分析领域非常常见。
问题在于：它必须在系统层面手动安装。
Linux 需要 apt install；
macOS 需要 brew install；
Windows……你懂的，更麻烦。
这就像流程里唯一的一粒沙子，让整个体验不够丝滑。
我开始思考：
能不能把 gnuplot 做成一个 Python 包，用一条 pip install 就能装好？
- 不需要管理员权限
- 不污染系统环境
- 不管你是 Linux / Windows / macOS 都能自动匹配
- 只要有 Python，就能跑
这样，开发者就能像安装普通 Python 包一样，把 gnuplot 一并带上。
于是，gnuplot-wheel 诞生了#
经过一番调研与折腾，我终于把 gnuplot 的二进制文件打包成了 Python 的 wheel 文件。
从此以后，你只需要敲下：
pip install gnuplot-wheel
- gnuplot 的二进制文件会自动安装到虚拟环境
- 不需要系统级依赖
- 不会和已安装的 gnuplot 冲突
- 不需要管理员权限
安装完成后，你就能直接执行 gnuplot 命令了——
无需额外安装任何东西。
当我第一次在干净环境里看到它顺滑运行时，心里只有一个念头：
啊，这就是技术的浪漫——把复杂留给自己，把简单留给用户。
谁会用到这个小轮子？#
其实这个轮子不复杂，但非常实用。
如果你做科研或数据可视化#
你可以在 Python 程序里直接调用 gnuplot，无需折腾系统依赖。
如果你做 DevOps 或自动化#
你可以让脚本自动渲染曲线图、趋势图，而不必在每台机器上手装 gnuplot。
如果你在开发依赖 gnuplot 的工具（比如我）#
你可以直接把 gnuplot-wheel 加进依赖，让用户上手零成本。
目前，gnuplot-wheel 已支持主流平台，并发布在 PyPI。
这个“小轮子”，也反哺了 gitstats#
我已经把它集成进 gitstats。
现在，最新版本的 gitstats 再也不需要用户手动安装 gnuplot。
只要：
pip install gitstats
它就会自动把依赖一并准备好，用户无需关心背后发生了什么。
这就是开源社区最迷人的地方：
我为了解决自己的小痛点造了个“痒痒挠”，结果发现它也能帮别人止痒。
想试试吗？#
如果你的项目、工作流或脚本里需要用到 gnuplot，不妨试试它。 它不会改变世界，但能让你的开发过程——顺滑那么一点点。
项目链接：
欢迎看看、使用、提 Issue，甚至来一起贡献。
转载本站文章请注明作者和出处，请勿用于任何商业用途。欢迎关注公众号「DevOps攻城狮」
