百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 技术资源 > 正文

PyOxidizer:将 Python 应用打包成单一可执行文件的神器

off999 2025-06-12 15:12 42 浏览 0 评论


三、PyOxidizer 基本使用

使用 PyOxidizer 打包应用的基本流程如下:

1. 创建新项目

首先,我们使用 pyoxidizer init 命令创建一个新的 PyOxidizer 项目:

pyoxidizer init myapp

这会创建一个名为 myapp 的目录,其中包含 PyOxidizer 所需的配置文件和基本项目结构。

2. 了解配置文件

项目中最重要的文件是 pyoxidizer.bzl,这是一个使用 Starlark 语言(类似 Python)编写的配置文件。这个文件定义了如何打包你的 Python 应用。

让我们看一个简单的配置示例:

def make_dist():
    return default_python_distribution()

def make_exe(dist):
    policy = dist.make_python_packaging_policy()
    policy.resources_location = "in-memory"

    python_config = dist.make_python_interpreter_config()
    python_config.run_module = "myapp"

    exe = dist.to_python_executable(
        name="myapp",
        packaging_policy=policy,
        config=python_config,
    )

    # 添加我们的Python包
    exe.add_python_package("myapp")

    return exe

def make_embedded_resources(exe):
    return exe.to_embedded_resources()

def make_install(exe):
    files = FileManifest()
    files.add_python_resource(".", exe)
    return files

register_target("exe", make_exe)
register_target("resources", make_embedded_resources, depends=["exe"], default=True)
register_target("install", make_install, depends=["exe"], default=True)

resolve_targets()

3. 添加你的 Python 代码

在项目目录中创建你的 Python 代码。例如,我们可以创建一个简单的 myapp 包:

myapp/
  __init__.py
  main.py

在 main.py 中写入:

def main():
    print("Hello from PyOxidizer!")

if __name__ == "__main__":
    main()

然后在 __init__.py 中添加:

from .main import main

if __name__ == "__main__":
    main()

4. 构建可执行文件

现在,我们可以使用 PyOxidizer 构建可执行文件:

cd myapp
pyoxidizer build

成功构建后,可执行文件通常位于 build/ 目录下。

四、进阶配置

PyOxidizer 提供了丰富的配置选项,让我们来看一些常用的进阶配置:

1. 打包第三方依赖

如果你的应用依赖第三方库,只需在配置文件中添加:

# 添加特定的包
exe.add_python_package("requests")
exe.add_python_package("numpy")

# 或者从requirements.txt添加
exe.add_python_requirements(Path("requirements.txt"))

2. 设置入口点

你可以设置应用的入口点,有多种方式:

# 运行模块
python_config.run_module = "myapp"

# 运行特定脚本
python_config.run_filename = "myapp/main.py"

# 运行Python代码
python_config.run_command = "from myapp import main; main()"

3. 资源处理

你可以控制 Python 资源的存储位置:

# 资源加载到内存中(启动快,内存占用大)
policy.resources_location = "in-memory"

# 资源保存在文件系统中(启动稍慢,内存占用小)
policy.resources_location = "filesystem-relative:lib"

注意事项:内存模式启动更快,但会占用更多内存;文件系统模式启动略慢,但内存占用较少。

五、实战示例:打包一个简单的 Web 应用

让我们看一个实际的例子,将一个使用 Flask 的简单 Web 应用打包:

1.首先创建项目结构:

webapp/
  __init__.py
  app.py
  static/
    style.css
  templates/
    index.html

2.编写 Flask 应用代码 (app.py):

from flask import Flask, render_template

app = Flask(__name__)

@app.route('/')
def index():
    return render_template('index.html')

def main():
    app.run(host='0.0.0.0', port=8000)

if __name__ == '__main__':
    main()
3.创建 PyOxidizer 项目并配置:
pyoxidizer init flask-webapp
cd flask-webapp
4.修改 
pyoxidizer.bzl 文件:
def make_dist():
    return default_python_distribution()

def make_exe(dist):
    policy = dist.make_python_packaging_policy()
    policy.resources_location = "in-memory"

    python_config = dist.make_python_interpreter_config()
    python_config.run_module = "webapp"

    exe = dist.to_python_executable(
        name="webapp",
        packaging_policy=policy,
        config=python_config,
    )

    # 添加我们的应用和依赖
    exe.add_python_package("webapp")
    exe.add_python_package("flask")

    # 处理静态文件
    exe.add_python_resources(exe.pip_install(["--no-binary", ":all:", "flask"]))

    return exe

# 其他函数保持不变...
5.构建应用:
pyoxidizer build

小贴士:对于包含静态文件的 Web 应用,有时需要特别关注资源的打包方式,确保静态文件和模板能够被正确加载。

六、常见问题与解决方案

1. 打包大小问题

PyOxidizer 生成的可执行文件可能比较大,因为它包含了 Python 解释器。如果想减小体积,可以:

# 在配置中排除不需要的模块
policy.include_distribution_resources = False
policy.include_test = False

2. 平台兼容性

通常需要在目标平台上构建可执行文件,或使用交叉编译:

# 指定目标平台
build_target = 'x86_64-pc-windows-msvc'

3. 调试问题

如果打包的应用出现问题,可以启用调试:

# 启用调试输出
python_config.debug_build = True

七、总结与展望

PyOxidizer 是一个强大的 Python 打包工具,它解决了 Python 应用分发的许多痛点。通过将 Python 解释器和应用代码打包成单一可执行文件,不仅简化了分发过程,还提高了启动性能。

虽然 PyOxidizer 相对较新,但它代表了 Python 打包领域的一个重要进步。随着工具的发展,相信它会变得更加强大和易用。

对于有打包需求的 Python 开发者来说,PyOxidizer 绝对值得一试!

相关推荐

实战:用 Python+Flask+Echarts 构建电商实时数据大屏

在电商运营中,实时掌握销售趋势、用户行为等核心数据是决策的关键。本文将从实战角度,详解如何用Python+Flask+Echarts技术栈,快速搭建一个支持实时更新、多维度可视化的电商数据大屏,帮...

DeepSeek完全使用手册:从新手到高手的2000字实操指南

一、工具定位与核心功能矩阵(200字)DeepSeek是一款专注于深度推理的强大AI助手,其功能丰富多样,可归纳为4大能力象限:plaintext差异化优势:DeepSeek支持最长达16Ktok...

Python绘制可爱的图表 cutecharts

一个很酷的python手绘样式可视化包——可爱的图表cutecharts。Cutecharts非常适合为图表提供更个性化的触感。Cutecharts与常规的Matplotlib和Seabo...

第十二章:Python与数据处理和可视化

12.1使用pandas进行数据处理12.1.1理论知识pandas是Python中最常用的数据处理库之一,它提供了高效的数据结构和数据分析工具。pandas的核心数据结构是Serie...

5分钟就能做一个Excel动态图表,你确定不学学?(纯gif教学)

本文说明下图是一个比较酷炫的Excel动态图表,最难的部分就是用到了一个复选框控件。其实这个控件我很早就见过,但是不会用呀!望洋兴叹。这次呢,我也是借着这个文章为大家讲述一下这个控件的使用。本文没有...

Python数据可视化:从Pandas基础到Seaborn高级应用

数据可视化是数据分析中不可或缺的一环,它能帮助我们直观理解数据模式和趋势。本文将全面介绍Python中最常用的三种可视化方法。Pandas内置绘图功能Pandas基于Matplotlib提供了简洁的绘...

如何使用 Python 将图表写入 Excel

将Python生成的图表写入Excel文件是数据分析和可视化中常见的需求。Python提供了多种库(如matplotlib、openpyxl和xlsxwriter)来实现这一功能。本文...

Excel 图表制作太痛苦?用 Python 生成动态交互图表

做个动态图表花了3小时?你该换方法了!上周帮销售部做季度汇报图表,Excel操作把我整崩溃了——插入折线图后发现数据源选错,重新选择又得调格式想做动态筛选图表,捣鼓"开发工具"...

Python Matplotlib 入门教程:可视化数据的基石

一、简介Matplotlib是Python中最流行的数据可视化库,提供从简单折线图到复杂3D图形的完整解决方案。其核心优势在于:o灵活性强:支持像素级样式控制o兼容性好:与NumPy、Pa...

20种Python数据可视化绘图 直接复制可用

本文介绍20种python数据绘图方法,可直接用于科研绘图或汇报用图。1.折线图(LinePlot)-描述数据随时间或其他变量的变化。importmatplotlib.pyplotasp...

Python os模块完全指南:轻松玩转文件管理与系统操作

Pythonos模块完全指南:轻松玩转文件管理与系统操作os模块是Python与操作系统对话的"瑞士军刀",学会它能让你轻松管理文件、操控路径、获取系统信息。本教程通过场景化案例+...

Python中h5py与netCDF4模块在Anaconda环境的下载与安装

本文介绍基于Anaconda环境,下载并安装Python中h5py与netCDF4这两个模块的方法。h5py与netCDF4这两个模块是与遥感图像处理、地学分析等GIS操作息息相关的模块,应用...

python中的模块、库、包有什么区别?

一文带你分清Python模块、包和库。一、模块Python模块(Module),是一个Python文件,以.py结尾,包含了Python对象定义和Python语句。模块能定义函数,类和变...

centos7 下面使用源码编译的方式安装python3.11

centos7下面使用源码编译的方式安装python3.11,步骤如下:cd/root#只是将python3.11的安装包下载到/root目录下wgethttps://www.python.o...

Python其实很简单 第十四章 模块

模块是一组程序代码,可以是别人已经写好的,也可以是自己编写的,但都是已经存在的,在编程时直接使用就可以了。模块机制的最大好处就是程序员不再编写重复的代码,而直接利用已有的成果,这样就能将更多的精力投入...

取消回复欢迎 发表评论: