PyArmor与PyInstaller结合使用时的模块保护问题解析
2025-06-15 17:38:47作者:乔或婵
背景介绍
在Python项目打包和代码保护领域,PyInstaller和PyArmor是两个常用的工具。PyInstaller用于将Python脚本打包成可执行文件,而PyArmor则用于代码混淆和保护。当开发者需要同时使用这两个工具时,可能会遇到一些技术挑战。
问题现象
当开发者尝试使用PyArmor的--private或--restrict选项保护被PyInstaller打包的模块时,运行生成的可执行文件会出现"unauthorized use of script"的错误。这是因为PyInstaller的模块加载机制与标准Python解释器不同,导致PyArmor的保护机制无法正常工作。
技术分析
PyInstaller的模块加载器(pyimod02_importers.py)在执行模块代码时,直接使用了exec(bytecode, module.__dict__)的方式。而PyArmor的保护机制依赖于Python的标准导入流程,特别是_call_with_frames_removed函数的调用上下文。这种差异导致了保护机制失效。
解决方案
临时解决方案
- 修改PyInstaller源码:找到
PyInstaller\loader\pyimod02_importers.py文件,将exec(bytecode, module.__dict__)替换为:
def _call_with_frames_removed():
exec(bytecode, module.__dict__)
_call_with_frames_removed()
- 动态修补方案:在不修改PyInstaller源码的情况下,可以在入口脚本中添加:
import sys
if mod := sys.modules.get("pyimod02_importers"):
mod.exec = lambda *args, **kwargs: exec(*args, **kwargs)
长期解决方案
PyArmor在8.5.0版本中已经修复了这个问题,开发者可以直接使用--private选项而不需要额外的配置或修改。
最佳实践
对于需要同时使用PyInstaller和PyArmor的项目,推荐以下工作流程:
- 首先使用PyInstaller打包项目:
pyinstaller --name myapp main.py
- 然后使用PyArmor进行代码保护:
pyarmor gen --private --pack dist/myapp/myapp main.py module1.py module2.py
- 如果使用PyArmor 8.5.0以下版本,需要按照上述解决方案进行相应调整。
技术要点
- PyArmor的保护机制依赖于Python的标准导入流程
- PyInstaller的模块加载器与标准Python解释器有行为差异
_call_with_frames_removed函数在代码保护中起关键作用- 理解模块加载机制对于解决此类问题至关重要
总结
PyArmor和PyInstaller的结合使用为Python开发者提供了代码保护和分发的完整解决方案。通过理解两者的工作原理和交互方式,开发者可以有效地解决集成过程中遇到的问题。最新版本的PyArmor已经优化了对PyInstaller的支持,使得这一过程更加简单可靠。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0446
源启盛夏_AtomGit暑期开发者成长计划「源启盛夏」暑期校园开发者成长计划旨在激活校园开源力量,通过积分激励、认证扶持、资源倾斜等形式,引导高校组织和开发者完成「入驻 — 建项目 — 做贡献 — 获认证 — 得资源」的完整闭环。无论你是想带领社团入驻平台的组织者,还是希望用代码贡献证明自己的开发者,都能在这里找到属于你的成长路径。Markdown00
jiuwenswarmJiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0763
Hy3Hy3 是由腾讯混元团队研发的快慢思考融合的混合专家模型,总参数量 295B,激活参数 21B,MTP 层参数 3.8B。4 月底发布 Hy3 Preview 后,我们在 50 多个业务中获得了广泛的反馈,修复了各种体验问题,进一步提升了后训练的质量和规模。今天,我们发布 Hy3。它展现出显著强于同尺寸并比肩旗舰(参数规模往往是 Hy3 的 2~5 倍)开源模型的智能水平,显著提升了在各类产品和生产力任务中的实用价值。Python00
AscendNPU-IRAscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优C++0310
DragonOSDragonOS is an operating system developed from scratch using Rust, with Linux compatibility. It is designed for **Serverless** scenarios. 使用Rust从0自研内核,具有Linux兼容性的操作系统,面向云计算Serverless场景而设计。Rust00
最新内容推荐
项目优选
收起
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
494
515
deepin linux kernel
C
32
16
Ascend Extension for PyTorch
Python
799
1.14 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
780
1.57 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
965
2.27 K
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
C
830
6.18 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.21 K
1.24 K
AtomGit CLI (ag cli),AtomGit 命令行工具,参考 GitHub CLI (gh) 开发。
目前 atomgit-cli 项目已在 AtomCode 的 Coding Plan 项目列表中
Go
39
24
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
642
275
暂无描述
Markdown
826
5.48 K