pyinstaller打包python项目

一、引言

在日常工作中,基本都是直接执行python脚本,但最近有个项目,需要提供给外部使用,而使用者又完全没有编程基础,不太可能自己安装python,安装各种依赖,所以将python项目打包为exe程序就显得尤为必要。

二、打包工具选型

在Python项目中,常见的打包工具有以下几种:

1. PyInstaller

优点:

能够将Python程序及其依赖库打包成一个独立的可执行文件(Windows、Linux、macOS),无需目标环境安装Python解释器或额外的库。 支持多种类型的可执行文件输出,包括单文件和多文件形式。 可以通过隐藏源代码实现一定程度上的保护。

缺点:

对于大型复杂项目,生成的可执行文件可能会非常大。 针对某些动态加载库或特定系统调用的情况支持不够完美,可能需要手动编写.spec配置文件进行更精细的控制。 对于更新频繁的应用,每次更新都需要重新打包和分发。

2. cx_Freeze

优点:

类似于PyInstaller,也可以将Python程序打包为跨平台的可执行文件。 它允许开发者自定义包含哪些模块,提供了灵活的配置选项。

缺点:

设置相对复杂,尤其是处理复杂的第三方库依赖时。 更新版本后的兼容性问题有时会比PyInstaller更多。

3. Nuitka

优点:

Nuitka是另一种可以将Python编译为独立可执行文件的工具,但其工作原理与PyInstaller不同,它尝试直接将Python代码转换为C++代码再编译为本地机器码,理论上可以获得更好的性能。 提供了更多的优化选项和更为细致的控制。

缺点:

打包过程可能较慢,特别是对于大型项目。 兼容性和稳定性相较于成熟的PyInstaller可能有所不足,部分库可能无法良好支持。

4. py2exe (仅适用于Windows)

优点:

专门为Windows设计,可以将Python程序打包为Windows上的.exe文件。

缺点:

不支持其他操作系统,应用场景有限。

5. pip & Wheel

优点:

pip是Python的标准包管理器,结合wheel格式,可以方便地打包和分发纯Python库,不涉及GUI应用。 在Python环境中易于安装和升级。

缺点:

不能直接用于创建独立可执行文件,主要用于发布和安装纯Python模块到已安装有Python解释器的环境中。

6. setuptools & distutils

优点:

这两个模块是Python标准库的一部分,用于构建和分发Python包,提供了一种标准化的方式来组织和打包代码以便在各种环境下安装。

缺点:

同样不适合生成独立运行的可执行文件,主要面向开发人员分发库和模块,而非终端用户。

工具选择

根据项目的实际需求,例如是否需要跨平台支持、是否要求独立运行、是否关注性能等,可以选择最合适的打包工具。

对于大部分桌面应用或者希望在没有Python环境的目标机器上运行的项目,PyInstaller和cx_Freeze是较为常用的选择。

而对于纯Python库的分发,则更适合使用pip配合setuptools或wheel。

我们的使用场景是需要能够独立运行,对性能要求不是太严苛,最好能支持跨平台,再综合考虑成熟度和可靠性,最终选择pyinstaller

三、pyinstaller打包

1. 安装pyinstaller

复制代码
pip install -U pyinstaller

注意:建议最后在虚拟环境下安装pyinstaller,再执行打包操作,这样会只打包该项目所需要的依赖。否则会将真实环境中很多不需要的依赖也打包进去,造成打包后的程序过大

2. 定位到你的Python源代码文件

使用cd命令切换到包含主Python脚本(例如:main.py)的目录。

3. 执行打包指令

PyInstaller打包Python应用时,可以使用一系列参数来控制打包过程。以下是一些常用的PyInstaller命令行参数说明:

1. 基本打包指令:

shell 复制代码
pyinstaller your_script.py

这是最基本的打包命令,它会根据your_script.py生成一个可执行文件和依赖文件目录

2. 输出类型选项

  1. 打包为单个文件 好处是不用担心程序被篡改,同时避免代码被破解 缺点是每次启动等于要临时解压缩一次,性能会受影响
shell 复制代码
# 将所有内容打包到单个可执行文件中(推荐用于大多数情况)
-F, --onefile

将所有内容打包到到一个目录下,包含可执行文件及依赖库,资源文件等(推荐用于大多数情况)

css 复制代码
-D, --onedir:生成一个包含可执行文件以及依赖库的目录结构(适用于需要查看或编辑内部文件的情况)。

3. 图标设置:

--icon=icon.ico-i icon.ico:为生成的可执行文件指定一个图标文件。

4. 运行环境相关:

-w, --windowed--noconsole:不显示控制台窗口(适用于GUI应用)。

--hidden-import module_name:手动添加一个隐藏导入模块,以防PyInstaller在分析过程中遗漏。

5. 数据文件包含

--add-data 将数据文件添加到打包后的程序中,并指定其在打包后的位置。

数据文件路径与打包后路径以:分隔

可以有0个或多个--add-data

bash 复制代码
--add-data path/to/data:dest/path
--add-data path/to/*.ini:.

6. 代码优化:

-O, --optimize--strip:对生成的代码进行优化和剥离未使用的符号,减小程序体积。

7. 指定解释器路径:

--pythonpath=path:添加额外的搜索路径给Python解释器。

8. 自定义.spec文件:

pyinstaller your_script.spec:如果你有一个.spec配置文件,可以直接通过它来编译项目。 根据.spec配置文件打包属于相对比较高级的用法,一般用不上。

9. 排除不需要的模块:

--exclude-module module_name:从打包中排除指定的模块。

10. 运行时挂钩:

--runtime-hook RUNTIME_HOOKS:指定运行时挂钩脚本,在主程序运行前被调用。

请根据实际需求组合这些参数。完整且详细的参数列表可以通过运行 pyinstaller --help 查看。

相关推荐
东方佑1 小时前
构建智能对话系统:Python实现聊天话题管理与摘要生成
jvm·python·oracle
前端世界2 小时前
用Python手写一个能识花的感知器模型——Iris分类实战详解
开发语言·python·分类
少林and叔叔2 小时前
基于yolov5.7.0的人工智能算法的下载、开发环境搭建(pycharm)与运行测试
人工智能·pytorch·python·yolo·目标检测·pycharm
合作小小程序员小小店2 小时前
旧版本附近停车场推荐系统demo,基于python+flask+协同推荐(基于用户信息推荐),开发语言python,数据库mysql,
人工智能·python·flask·sklearn·推荐算法
动能小子ohhh2 小时前
Langchain从零开始到应用落地案例[AI智能助手]【3】---使用Paddle-OCR识别优化可识别图片进行解析回答
人工智能·python·pycharm·langchain·ocr·paddle·1024程序员节
互联网中的一颗神经元3 小时前
小白python入门 - 9. Python 列表2 ——从基础操作到高级应用
java·开发语言·python
Serendipity_Carl3 小时前
爬虫数据清洗可视化案例之全球灾害数据
爬虫·python·pycharm·数据可视化·数据清洗
B站计算机毕业设计之家3 小时前
计算机视觉:YOLO实现目标识别+目标跟踪技术 pyqt界面 OpenCV 计算机视觉 深度学习 计算机(建议收藏)✅
python·opencv·yolo·计算机视觉·目标跟踪·口罩识别
AI小云4 小时前
【Python高级编程】类属性与类方法
人工智能·python
B站计算机毕业设计之家5 小时前
深度学习:YOLOv8人体行为动作识别检测系统 行为识别检测识系统 act-dataset数据集 pyqt5 机器学习✅
人工智能·python·深度学习·qt·yolo·机器学习·计算机视觉