pywebview：用Python+Web技术打造轻量级桌面应用！

优质文章学习记录

— 7 min read
pywebview：用Python+Web技术打造轻量级桌面应用！
✍️作者：唐叔在学习
💡专栏：唐叔学python
✨关键词：Python桌面开发、pywebview教程、WebView应用、前后端分离、JS与Python交互、桌面应用打包、Electron替代方案、Python GUI

大家好，我是唐叔。今天我们来聊聊一个非常轻量且强大的Python库——pywebview。如果你曾经为开发一个简单的桌面应用而纠结于Electron的笨重、PyQt的复杂，或是Tkinter的界面简陋，那pywebview或许正是你一直在找的解决方案。

文章目录

一、介绍

pywebview 是一个轻量级的跨平台Python库，它允许你在一个原生窗口中嵌入Web技术（HTML/CSS/JS）来构建GUI界面。本质上，它就是一个迷你浏览器内核，让你可以用写网页的方式写桌面应用。

与其他桌面框架对比：

  • Electron：功能强大，但打包体积大、内存占用高。
  • PyQt/Tkinter：原生控件，但界面现代化程度低、开发效率不高。
  • pywebview：轻量、跨平台、易上手，适合快速开发中小型桌面应用，尤其是已有Web前端的项目。

二、安装

安装全量版本

pip install pywebview

安装指定环境版本

如果你希望控制依赖版本，可以使用：

pip install pywebview[qt]# 使用Qt后端 pip install pywebview[cef]# 使用CEF后端

三、使用入门

3.1 基本使用

来看一个最简单的例子：

import webview defmain(): window = webview.create_window('Hello pywebview','https://pywebview.flowrl.com') webview.start()if __name__ =='__main__': main()

函数说明：

  • create_window()：创建窗口，参数包括标题和初始URL或本地HTML路径。
  • start()：启动GUI事件循环。

3.2 应用程序架构

纯网络服务架构

就如上文的基本使用，前端只需暴露应用服务器，后端调用即可

import webview if __name__ =='__main__': webview.create_window("My App","http://localhost:3000") webview.start(http_server=True, port=3000)
官网有完整的示例 基于 Flask 的应用程序 供参考学习。
无服务器架构

完全不使用网络服务器，通过 webview.create_window(...html='') 或者 window.load_html 加载 HTML。

import webview html=''' <!DOCTYPE html> <html> <body> <h1>Hello from HTML!</h1> </body> </html> ''' webview.create_window("Local App", html=html) webview.start()
根据官网说明：这种方法有一些限制，因为在加载的页面上下文中没有文件系统。图片和其他资源只能通过 Base64 内联加载。

3.3 JS与Python交互

pywebview 支持在JS中调用Python函数，也支持在Python中调用JS方法。

下述是JS中调用Python函数的代码示例：

Python端：

import webview classApi:defget_message(self):return"Hello from Python!"if __name__ =='__main__': api = Api() window = webview.create_window('JS 接口 示例','index.html', js_api=api) webview.start()

JS端（在HTML中）：

<!DOCTYPEhtml><html><body><buttononClick="greet()">打招呼</button></body><script>functiongreet(){ pywebview.api.get_message().then(function(message){alert(message);});}</script></html>
✅ 推荐将Python逻辑封装成API，JS中异步调用，保持前后端分离。

四、应用打包

使用 pyinstaller 打包你的应用：

pyinstaller --onefile --windowed your_script.py

打包后会生成一个独立的可执行文件，可在没有Python环境的机器上运行。

有关 pyinstaller 的介绍，详情请查阅唐叔的这篇文章：告别Python环境依赖！用PyInstaller打包EXE的终极指南_python打包成exe-ZEEKLOG博客

五、常见使用场景

5.1 文件操作

文件下载

你可以使用Python控制文件下载路径，或由前端触发下载。

import webview if __name__ =='__main__':# 创建一个标准的 webview 窗口 webview.settings['ALLOW_DOWNLOADS']=True window = webview.create_window('Simple browser','https://pywebview.idepy.com/download') webview.start()
文件拖放

下述是常见的文件拖放效果，实际上是通过拖放后获取到文件路径，进而通过文件路径调用相关API再进一步操作文件。

import webview from webview.dom import DOMEventHandler defon_drag(e):passdefon_drop(e): files = e['dataTransfer']['files']iflen(files)==0:returnprint(f'事件类型: {e["type"]}。被拖入的文件：')forfilein files:print(file.get('pywebviewFullPath'))defbind(window): window.dom.document.events.dragenter += DOMEventHandler(on_drag,True,True) window.dom.document.events.dragstart += DOMEventHandler(on_drag,True,True) window.dom.document.events.dragover += DOMEventHandler(on_drag,True,True, debounce=500) window.dom.document.events.drop += DOMEventHandler(on_drop,True,True)if __name__ =='__main__': window = webview.create_window('拖放示例', html=''' <html> <body-> <h1>将文件拖放到此处</h1> </body> </html> ''') webview.start(bind, window)

5.2 自定义菜单

pywebview 支持自定义系统菜单：

import webview import webview.menu as wm defchange_active_window_content(): active_window = webview.active_window()if active_window: active_window.load_html('<h1>You changed this window!</h1>')defclick_me(): active_window = webview.active_window()if active_window: active_window.load_html('<h1>You clicked me!</h1>')defdo_nothing():passdefsay_this_is_window_2(): active_window = webview.active_window()if active_window: active_window.load_html('<h1>This is window 2</h2>')defopen_file_dialog(): active_window = webview.active_window() active_window.create_file_dialog(webview.SAVE_DIALOG, directory='/', save_filename='test.file')if __name__ =='__main__': window_1 = webview.create_window('Application Menu Example','https://pywebview.idepy.com/hello') window_2 = webview.create_window('Another Window', html='<h1>Another window to test application menu</h1>') menu_items =[ wm.Menu('Test Menu',[ wm.MenuAction('Change Active Window Content', change_active_window_content), wm.MenuSeparator(), wm.Menu('Random',[ wm.MenuAction('Click Me', click_me), wm.MenuAction('File Dialog', open_file_dialog),],),],), wm.Menu('Nothing Here',[wm.MenuAction('This will do nothing', do_nothing)]),] webview.start(menu=menu_items)
💡 你也可以完全用HTML+CSS在前端构建菜单，更灵活美观。

5.3 图标设置

使用 webview.start(icon=<file_path>) 设置窗口图标。

import webview if __name__ =='__main__': window = webview.create_window('Set window icon','https://pywebview.idepy.com/hello') webview.start(icon='../logo/logo.png')
此方法仅在 GTK 和 QT 平台上受支持。其他平台的图标将在冻结过程中设置。

六、总结

pywebview 是一个非常灵活且强大的工具，尤其适合：

  • 已有Web前端，想快速封装成桌面应用；
  • 希望用HTML/CSS/JS构建现代化界面；
  • 对应用体积和内存占用有要求的场景；
  • 需要跨平台运行（Windows/macOS/Linux）。

它的学习曲线平缓，社区活跃，文档完善，是Python开发者进军桌面应用开发的绝佳选择。

如果你正在寻找一个轻量、高效、易扩展的桌面开发方案，不妨试试 pywebview，相信它会给你带来惊喜。

唐叔说：
技术选型没有绝对的好坏，只有适合与否。pywebview 在我多个中小项目中表现出色，尤其是在快速原型和内部工具开发中。希望这篇指南能帮你少走弯路，早日打造出属于自己的桌面应用！

如果有新的想法，欢迎在评论区留言，我们一起交流进步！🎉

参考资料

Read more

开箱即用！Whisper语音识别镜像快速体验指南

开箱即用！Whisper语音识别镜像快速体验指南 1. 引言：多语言语音识别的工程化落地 在人工智能驱动的语音交互场景中，自动语音识别（ASR）技术正从实验室走向实际应用。OpenAI发布的Whisper系列模型，凭借其强大的多语言支持和零样本学习能力，已成为语音转录领域的标杆方案。然而，从模型下载、环境配置到服务部署，完整的工程化流程往往耗时且复杂。 本文将围绕一款预构建的Docker镜像——Whisper语音识别-多语言-large-v3语音识别模型 二次开发构建by113小贝，详细介绍如何实现“开箱即用”的语音识别服务部署与快速验证。该镜像已集成GPU加速、Web界面及99种语言自动检测功能，极大简化了部署路径。 💡 阅读本文你将掌握： * Whisper-large-v3镜像的核心特性与技术栈 * 快速启动Web服务的完整操作流程 * 关键功能的实际使用方法 * 常见问题排查与性能调优建议 * 如何基于现有服务进行二次开发 2. 镜像核心特性与技术架构 2.1 模型能力概览 本镜像基于 OpenAI Whisper large-v3 模型构建，具

PyCaret并行计算功能：如何利用GPU加速模型训练

PyCaret并行计算功能：如何利用GPU加速模型训练 【免费下载链接】pycaretAn open-source, low-code machine learning library in Python 项目地址: https://gitcode.com/gh_mirrors/py/pycaret PyCaret是一款开源的低代码机器学习库，它通过简化的API和自动化工作流程，让数据科学家和开发者能够快速构建、训练和部署机器学习模型。在处理大规模数据集或复杂模型时，训练时间往往成为瓶颈，而PyCaret的并行计算功能正是解决这一问题的关键。本文将详细介绍如何利用PyCaret的并行计算功能，特别是GPU加速，来显著提升模型训练效率。 PyCaret并行计算的核心优势 PyCaret的并行计算功能允许用户充分利用多核CPU和GPU资源，同时训练多个模型或执行超参数调优，从而大幅缩短实验周期。无论是分类、回归还是时间序列预测任务，并行计算都能带来显著的性能提升。 图：PyCaret的核心功能特性，包含并行计算和GPU加速支持 支持的并行后端 PyCaret提供了灵活的并行
llama.cpp Server 引入路由模式：多模型热切换与进程隔离机制详解

llama.cpp Server 引入路由模式：多模型热切换与进程隔离机制详解

llama.cpp server在 2025年12月11日发布的版本中正式引入了 router mode（路由模式），如果你习惯了 Ollama 那种处理多模型的方式，那这次 llama.cpp 的更新基本就是对标这个功能去的，而且它在架构上更进了一步。 路由模式的核心机制 简单来说，router mode 就是一个内嵌在 llama.cpp 里的模型管理器。 以前跑 server，启动时需要指定一个模型，服务就跟这个模型绑定了。要想换模型？要么停服务、改参数、重启，要么直接启动多个服务，而现在的路由模式可以动态加载多个模型、模型用完后还可以即时卸载，并且在不同模型间毫秒级切换，最主要的是全过程无需重启服务，这样我们选择一个端口就可以了。 这里有个技术细节要注意：它的实现是多进程的（Each model runs in its own process）。也就是说模型之间实现了进程级隔离，某个模型如果跑崩了，不会把整个服务带崩，其他模型还能正常响应。
OpenClaw 集成 GitHub Copilot 指南

OpenClaw 集成 GitHub Copilot 指南

OpenClaw 集成 GitHub Copilot 指南 本文档介绍如何将 GitHub Copilot 作为模型提供商集成到 OpenClaw 中，实现通过 GitHub 账户调用 Copilot 模型能力。 目录 * 什么是 OpenClaw * 什么是 GitHub Copilot * 前提条件 * 安装 OpenClaw * 两种集成方式 * 方式一：内置 GitHub Copilot 提供商（推荐） * 方式二：Copilot Proxy 插件 * 设置默认模型 * 配置文件示例 * 模型管理 * 常见问题排查 * 参考资料 什么是 OpenClaw OpenClaw 是一个开源的 AI 助手平台，提供自托管的 AI 网关（