【亲测免费】 PyInstaller 使用教程
1. 项目介绍
PyInstaller 是一个用于将 Python 应用程序及其所有依赖项打包成单个可执行文件的工具。用户可以在没有安装 Python 解释器或任何模块的情况下运行打包后的应用程序。PyInstaller 支持 Windows、macOS 和 GNU/Linux 等多个操作系统,并且可以与许多第三方 Python 包无缝集成。
主要特点
- 多平台支持:支持 Windows、macOS 和 GNU/Linux。
- 自动依赖分析:自动分析 Python 脚本及其依赖项,并将其打包成单个文件。
- 兼容性:与大多数 Python 包(如 numpy、PyQt、matplotlib 等)兼容。
- 代码签名:支持 macOS 上的代码签名。
2. 项目快速启动
安装 PyInstaller
首先,确保你已经安装了 Python。然后使用 pip 安装 PyInstaller:
pip install pyinstaller
打包 Python 脚本
假设你有一个名为 my_script.py 的 Python 脚本,你可以使用以下命令将其打包成可执行文件:
pyinstaller --onefile my_script.py
打包完成后,生成的可执行文件将位于 dist 目录下。
示例代码
以下是一个简单的 Python 脚本示例:
# my_script.py
import sys
def main():
print("Hello, PyInstaller!")
return 0
if __name__ == "__main__":
sys.exit(main())
使用 PyInstaller 打包该脚本:
pyinstaller --onefile my_script.py
打包完成后,你可以在 dist 目录下找到生成的可执行文件 my_script。
3. 应用案例和最佳实践
应用案例
桌面应用程序
PyInstaller 常用于将 Python 编写的桌面应用程序打包成可执行文件,方便用户在没有 Python 环境的情况下运行。例如,使用 PyQt 或 Tkinter 编写的 GUI 应用程序可以通过 PyInstaller 打包成单个可执行文件。
命令行工具
对于命令行工具,PyInstaller 可以将 Python 脚本打包成独立的可执行文件,方便用户在不同环境中使用。例如,一个用于数据处理的 Python 脚本可以通过 PyInstaller 打包成可执行文件,方便在服务器上部署。
最佳实践
- 使用
--onefile选项:将所有依赖项打包成单个可执行文件,简化分发过程。 - 代码签名:在 macOS 上使用代码签名,确保应用程序的安全性。
- 多平台测试:在不同操作系统上测试打包后的可执行文件,确保兼容性。
4. 典型生态项目
PyQt
PyQt 是一个用于创建桌面应用程序的 Python 绑定库。通过 PyInstaller,你可以将使用 PyQt 编写的应用程序打包成单个可执行文件,方便用户使用。
Matplotlib
Matplotlib 是一个用于绘制图表的 Python 库。通过 PyInstaller,你可以将使用 Matplotlib 编写的图表生成脚本打包成可执行文件,方便用户在没有 Python 环境的情况下生成图表。
NumPy
NumPy 是一个用于科学计算的 Python 库。通过 PyInstaller,你可以将使用 NumPy 编写的科学计算脚本打包成可执行文件,方便用户在不同环境中使用。
通过以上步骤,你可以轻松地将 Python 应用程序打包成可执行文件,并分发给用户。PyInstaller 的强大功能和易用性使其成为 Python 开发者不可或缺的工具之一。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00