【Python】6 种方法轻松将 Python 脚本打包成 EXE 应用

引言

Python 凭借其简洁的语法和强大的功能,在数据分析、Web 开发、自动化脚本等领域广受欢迎。它“开箱即用”的特性让开发者能够快速构建原型和应用程序。然而,对于最终用户而言,运行 Python 脚本往往意味着需要预先安装 Python 解释器及相关依赖库,这对非技术背景的用户来说无疑增加了门槛。

为了解决这一问题,将 Python 代码打包成独立的可执行文件(通常在 Windows 上是 .exe 文件)成为了一个非常实用的选择。这样,用户无需任何额外环境配置,就能像运行普通软件一样直接启动您的 Python 应用。本文将为您介绍六种主流且有效的 Python 打包工具,助您轻松实现跨平台分发。

1. PyInstaller: 最流行的选择

PyInstaller 是目前最广为人知、社区支持最广泛的 Python 打包工具之一。它能够很好地处理各种复杂的依赖关系,并支持将整个应用及其所需资源打包成一个或多个独立的可执行文件。

  • 特点
    • 支持 Windows, Linux, macOS。
    • 可以打包成单个文件或包含多个文件的目录。
    • 对大多数 Python 包有良好的兼容性。

基本用法: 在项目根目录下打开终端或命令提示符,执行以下命令即可开始打包:

pyinstaller your_script.py 

默认情况下,会在 dist/ 目录下生成可执行文件。添加 --onefile 参数可以打包成单个 exe 文件。

2. cx_Freeze: 跨平台的老牌选手

cx_Freeze 是一个老牌的跨平台打包工具,同样支持将 Python 程序转换为 Windows、macOS 和 Linux 下的原生可执行文件。

  • 特点
    • 高度跨平台。
    • 配置相对灵活。

基本用法: 通过命令行直接打包:

cxfreeze your_script.py --target-dir dist 

这会将生成的可执行文件及相关依赖放入 dist 目录中。

3. py2exe: Windows 平台专用专家

顾名思义,py2exe 是专为 Windows 平台设计的打包工具。如果您确定目标用户只使用 Windows 系统,那么 py2exe 是一个成熟稳定的选择。

  • 特点
    • 专注于 Windows 平台,针对该系统优化良好。
    • 历史悠久,文档和社区经验丰富。

基本用法py2exe 通常需要配合一个 setup.py 脚本来进行更精细的控制。最基本的打包方式是在 setup.py 中配置好选项后,运行:

python setup.py py2exe 

4. py2app: macOS 平台的对应方案

py2exe 类似,py2app 是专门为 macOS 设计的 Python 打包工具。

  • 特点
    • 专为 macOS 优化。
    • 能够创建符合 macOS 规范的应用程序包 (.app)。

基本用法: 同样需要一个 setup.py 脚本。配置完成后,通过以下命令打包:

python setup.py py2app 

5. Nuitka: 编译加速,性能提升

Nuitka 不仅仅是一个打包工具,它首先是一个 Python 到 C++ 的编译器。它可以将 Python 代码先编译成优化过的 C++ 代码,然后再链接成可执行文件。这不仅能生成独立的 exe,有时还能带来一定的性能提升。

  • 特点
    • 兼具打包和编译功能。
    • 可能提高部分程序的执行速度。
    • 支持多种操作系统。

基本用法: 安装后,直接对 Python 脚本进行编译打包:

nuitka --standalone your_script.py 

--standalone 参数用于生成包含所有依赖的独立文件夹。

6. Nuitka + PyInstaller: 强强联合

这是一个进阶技巧,结合了 Nuitka 的编译优势和 PyInstaller 的打包便利性。

  • 思路
    1. 使用 Nuitka 将 Python 脚本编译成 C++ 代码并生成可执行文件(或模块)。
    2. 再利用 PyInstaller 对 Nuitka 生成的结果进行二次打包,进一步优化结构或处理复杂依赖。

示例流程(简化示意):

# 第一步:用 Nuitka 生成独立结构 nuitka --standalone your_script.py # 第二步:可能需要手动调整或使用 PyInstaller 处理特定需求 # 注意:这里的 `your_script.spec` 需要根据实际情况编写或由 PyInstaller 生成并修改 # pyinstaller your_script.spec 
注意: 这种组合使用较为复杂,通常用于对性能和打包结果有特殊要求的场景。PyInstaller 通常可以直接处理纯 Python 项目,不一定需要 Nuitka 预编译。

结语

将 Python 脚本打包成 EXE 文件极大地简化了应用程序的部署和分发过程。从功能全面、易于使用的 PyInstaller,到平台专用的 py2exe 和 py2app,再到追求性能的 Nuitka,每种工具都有其独特的优势和适用场景。

  • 如果您寻求通用性和简便性PyInstaller 通常是首选。
  • 如果您专注于 WindowsmacOS 单一平台,py2exepy2app 提供了针对性的良好支持。
  • 如果您希望获得潜在的性能提升或者尝试不同的技术路线,Nuitka 是一个值得探索的方向。

Read more

可以在命令行通过大模型使用上下文协议(MCP)与外部工具交互的软件:小巧的MCPHost

可以在命令行通过大模型使用上下文协议(MCP)与外部工具交互的软件:小巧的MCPHost

小巧的MCPHost MCPHost 可以在命令行下使用,使大型语言模型(LLM)能够通过模型上下文协议(MCP)与外部工具进行交互。目前支持Claude 3.5 Sonnet和Ollama等。本次实践使用自己架设的Deepseek v3模型,跑通了Time MCP服务。  官网:GitHub - mark3labs/mcphost: A CLI host application that enables Large Language Models (LLMs) to interact with external tools through the Model Context Protocol (MCP). 下载安装 使用非常方便,直接下载解压即可使用。官网提供Windows、Linux和MacOS三个系统的压缩包: https://github.com/

By Ne0inhk
实战篇:Python开发monogod数据库mcp server看完你就会了

实战篇:Python开发monogod数据库mcp server看完你就会了

原创不易,请关注公众号:【爬虫与大模型开发】,大模型的应用开发之路,整理了大模型在现在的企业级应用的实操及大家需要注意的一些AI开发的知识点!持续输出爬虫与大模型的相关文章。 前言 目前mcp协议是给deepseek大模型插上工具链的翅膀,让大模型不仅拥有超高的推理和文本生成能力,还能具备执行大脑意识的工具能力! 如何开发一个mcp? mcp是一种协议,指的是模型上下文协议 (Model Context Protocol)。 官方结成的mcp https://github.com/modelcontextprotocol/python-sdk mcp库 pip install mcp from mcp.server.fastmcp import FastMCP 我们先来做一个简单的案例 from mcp.server.fastmcp import FastMCP import requests mcp = FastMCP("spider") @mcp.tool() def crawl(

By Ne0inhk
【大模型实战篇】基于Claude MCP协议的智能体落地示例

【大模型实战篇】基于Claude MCP协议的智能体落地示例

1. 背景         之前我们在《MCP(Model Context Protocol) 大模型智能体第一个开源标准协议》一文中,介绍了MCP的概念,虽然了解了其概念、架构、解决的问题,但还缺少具体的示例,来帮助进一步理解整套MCP框架如何落地。         今天我们基于claude的官方例子--获取天气预报【1】,来理解MCP落地的整条链路。 2. MCP示例         该案例是构建一个简单的MCP天气预报服务器,并将其连接到主机,即Claude for Desktop。从基本设置开始,然后逐步发展到更复杂的使用场景。         大模型虽然能力非常强,但其弊端就是内容是过时的,这里的过时不是说内容很旧,只是表达内容具有非实时性。比如没有获取天气预报和严重天气警报的能力。因此我们将使用MCP来解决这一问题。         构建一个服务器,该服务器提供两个工具:获取警报(get-alerts)和获取预报(get-forecast)。然后,将该服务器连接到MCP主机(在本例中为Claude for Desktop)。         首先我们配置下环

By Ne0inhk
AI Agent新范式:FastGPT+MCP协议实现工具增强型智能体构建

AI Agent新范式:FastGPT+MCP协议实现工具增强型智能体构建

AI Agent新范式:FastGPT+MCP协议实现工具增强型智能体构建 作者:高瑞冬 本文目录 * AI Agent新范式:FastGPT+MCP协议实现工具增强型智能体构建 * 一、MCP协议简介 * 二、创建MCP工具集 * 1. 获取MCP服务地址 * 2. 在FastGPT中创建MCP工具集 * 三、测试MCP工具 * 四、AI模型调用MCP工具 * 1. 调用单个工具 * 2. 调用整个工具集 * 五、私有化部署支持 * 1. 环境准备 * 2. 修改docker-compose.yml文件 * 3. 修改FastGPT配置 * 4. 重启服务 * 六、使用MCP-Proxy集成多个MCP服务 * 1. MCP-Proxy简介 * 2. 安装MCP-Proxy * 3. 配置MCP-Proxy * 4. 将MCP-Proxy与FastGPT集成 * 5. 高级配置

By Ne0inhk