xlwings项目中使用嵌入式Python分发的经验分享
背景介绍
xlwings是一个强大的Python库,允许用户在Excel中直接调用Python代码。在实际项目部署中,我们经常需要将包含xlwings功能的Excel文件分发给其他用户使用,这就涉及到Python环境的部署问题。
嵌入式Python分发的尝试
在Windows环境下,使用Python的嵌入式分发版本(embeddable Python)是一个常见的解决方案,因为它体积小,便于分发。然而,在实际操作中,我发现了一些需要注意的问题:
-
路径问题:当通过.bat文件调用Python脚本时,可能会出现模块找不到的错误(ModuleNotFoundError)。这是因为工作目录设置不正确导致的。
-
UDF函数问题:即使用户定义函数(UDF)能够导入,在Excel单元格中调用时也可能返回"Object required"错误。
解决方案探索
经过多次尝试,我找到了以下解决方案:
1. 正确的.bat文件配置
通过批处理文件调用Python脚本时,需要确保正确设置工作目录和Python路径。一个有效的.bat文件示例如下:
:: 获取批处理文件所在目录
SET parent=%~DP0
:: 添加Python到系统PATH
SET PATH=%PATH%;\Python\python.exe
:: 调用Python脚本
python %parent%demoDist.py
2. 工作目录的重要性
测试发现,只有在终端工作目录与Python可执行文件所在目录相同时,脚本才能正常运行。否则会出现模块找不到的错误。
3. 使用Conda环境的替代方案
虽然嵌入式Python分发理论上可行,但在某些计算机上可能由于安全设置等原因无法正常工作。作为替代方案,我最终选择了创建Conda环境:
- 优点:稳定性高,兼容性好
- 缺点:文件体积较大
经验总结
-
环境一致性:在不同计算机上部署时,确保Python环境配置完全一致非常重要。
-
路径处理:特别注意相对路径和绝对路径的处理,尤其是在通过批处理文件调用时。
-
安全设置:某些企业的计算机安全策略可能会影响Python脚本的执行,需要提前测试。
-
UDF函数:用户定义函数对环境配置要求更高,建议在部署前进行全面测试。
最佳实践建议
对于需要分发xlwings项目的情况,我建议:
- 优先考虑使用完整的Python安装或Conda环境,而非嵌入式版本
- 在部署前,在不同配置的计算机上进行充分测试
- 提供清晰的安装和使用说明文档
- 考虑使用打包工具(如PyInstaller)创建独立的可执行文件
通过以上方法,可以大大提高xlwings项目分发的成功率,减少终端用户的使用问题。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00