【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。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust021
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00