【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智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00