在Windows Arm64平台上编译pyca/cryptography项目的技术指南
2025-05-31 03:26:36作者:农烁颖Land
背景介绍
pyca/cryptography是一个广泛使用的Python加密库,它提供了各种加密原语和协议的实现。在Windows Arm64平台上,由于缺乏预编译的wheel包,用户需要从源代码编译安装该库。本文将详细介绍在Windows Arm64系统上成功编译和运行pyca/cryptography的技术方案。
环境准备
在开始编译前,需要准备以下环境:
- Windows Arm64操作系统(如搭载Snapdragon处理器的设备)
- Python 3.12或更高版本
- Rust工具链(通过rustup安装)
- OpenSSL开发包
OpenSSL安装与配置
Windows Arm64平台需要手动安装OpenSSL开发包:
winget install ShiningLight.OpenSSL.Dev
安装完成后,设置以下环境变量:
$env:OPENSSL_DIR="C:\Program Files\OpenSSL-Win64-ARM"
$env:OPENSSL_LIB_DIR="C:\Program Files\OpenSSL-Win64-ARM\lib\VC\arm64\MT"
编译过程
- 克隆项目仓库:
git clone https://github.com/pyca/cryptography.git
cd cryptography
- 安装构建工具:
pip3 install build
- 开始构建:
python -m build
常见问题与解决方案
动态链接库缺失问题
编译过程可能顺利完成,但在运行时会出现ImportError: DLL load failed错误,提示无法加载_rust模块。这是因为Rust编译器未能正确静态链接OpenSSL的动态库。
使用dumpbin /DEPENDENTS工具检查生成的_rust.pyd文件,可以发现它依赖以下两个动态库:
- libcrypto-3-arm64.dll
- libssl-3-arm64.dll
解决方案
- 手动复制动态库到正确位置:
import shutil
shutil.copy(".\\OpenSSL-Win64-ARM\\bin\\libcrypto-3-arm64.dll", ".\\cryptography\\hazmat\\bindings\\libcrypto-3-arm64.dll")
shutil.copy(".\\OpenSSL-Win64-ARM\\bin\\libssl-3-arm64.dll", ".\\cryptography\\hazmat\\bindings\\libssl-3-arm64.dll")
- 添加动态库搜索路径:
import os
os.add_dll_directory(os.path.abspath(".\\cryptography\\hazmat\\bindings\\"))
- 设置环境变量避免遗留问题:
os.environ["CRYPTOGRAPHY_OPENSSL_NO_LEGACY"] = "1"
性能与兼容性考虑
- 静态链接的
_rust.pyd文件大小约为8MB,而动态链接版本约为3MB - 动态链接方式需要确保目标系统上有兼容的OpenSSL版本
- 静态链接方式更适合分发,但会增加二进制文件大小
最佳实践建议
- 对于开发环境,推荐使用动态链接方式,便于更新OpenSSL
- 对于生产环境,考虑使用静态链接或确保目标系统有正确的OpenSSL版本
- 在Docker容器中部署时,可以预先安装所需版本的OpenSSL
总结
在Windows Arm64平台上编译pyca/cryptography项目需要特别注意OpenSSL的配置和链接方式。通过本文介绍的方法,开发者可以成功构建并使用这个强大的加密库。随着ARM架构在Windows平台的普及,预计未来会有更多预编译的wheel包可供使用,简化安装过程。
对于需要深度定制的用户,理解项目的构建过程和依赖关系至关重要。本文提供的解决方案不仅解决了当前问题,也为处理类似情况提供了参考思路。
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 StartedRust0133- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
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
MiniCPM-V-4.6这是 MiniCPM-V 系列有史以来效率与性能平衡最佳的模型。它以仅 1.3B 的参数规模,实现了性能与效率的双重突破,在全球同尺寸模型中登顶,全面超越了阿里 Qwen3.5-0.8B 与谷歌 Gemma4-E2B-it。Jinja00
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
MusicFreeDesktop插件化、定制化、无广告的免费音乐播放器TypeScript00
项目优选
收起
暂无描述
Dockerfile
725
4.66 K
Ascend Extension for PyTorch
Python
597
749
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
425
376
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++
992
984
Claude 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 Started
Rust
921
133
昇腾LLM分布式训练框架
Python
160
188
暂无简介
Dart
968
246
deepin linux kernel
C
29
16
Oohos_react_native
React Native鸿蒙化仓库
C++
345
393
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.65 K
970