Python是一种高级编程语言，它具有易学易用、跨平台等优点，因此在开发中得到了广泛的应用。然而，Python代码需要在Python解释器中运行，这对于一些用户来说可能不太方便。Python作为解释型语言，发布即公开源码，虽然是提倡开源但是有些时候就是忍不住想打包成exe，不仅仅是为了对代码进行加密，而是为了跨平台。防止有些没有安装py环境的电脑无法运行软件。
因此，将Python代码打包成可执行文件（exe）是一种很好的解决方案。本文将分析几种打包方式的优缺点。
使用pyinstaller打包Python代码非常简单，只需要在命令行中输入以下命令：pyinstaller your_script.py
这将生成一个可执行文件，可以在Windows、Linux和MacOS上运行。
使用cx_Freeze打包Python代码也很简单，只需要在命令行中输入以下命令：cxfreeze your_script.py --target-dir dist
这将生成一个可执行文件，可以在Windows、Linux和MacOS上运行。
使用py2exe打包Python代码也很简单，只需要在命令行中输入以下命令：python setup.py py2exe
这将生成一个Windows可执行文件。
使用py2app打包Python代码也很简单，只需要在命令行中输入以下命令：python setup.py py2app
这将生成一个MacOS可执行文件。
使用Nuitka打包Python代码也很简单，只需要在命令行中输入以下命令：nuitka your_script.py
这将生成一个可执行文件，可以在Windows、Linux和MacOS上运行。
使用Nuitka+pyinstaller打包Python代码也很简单，只需要在命令行中输入以下命令：
nuitka --standalone your_script.py
pyinstaller your_script.spec
这将生成一个可执行文件，可以在Windows、Linux和MacOS上运行。
优点：可将python文件转成可执行文件；跨平台；输出的可以是单一目录，也可以是一个单独的打好包的可执行文件；py2exe貌似输出目录；智能支持python的第三方模块如PyQt，外部数据文件等；支持EGG格式文件；可执行文件可以用UPX压缩，二进制压缩方式；支持控制台和视窗两种方式；可以选择exe文件的图标 (Windows only)；支持 COM server (Windows only)。
缺点：import导入的问题：pyinstaller是很智能的，只要指定了入口py文件，那么它就会根据代码自动查找需要导入的包。但是隐式导入的话，平常运行是没有问题的。例子：
# test1.py
from sqlalchemy import create_engine
from sqlalchemy.orm import sessionmaker
DB_CONNECT_STRING = 'mysql+pymysql://root:@localhost/study'
engine = create_engine(DB_CONNECT_STRING, echo = False)
DB_Session = sessionmaker(bind = engine)
session = DB_Session()
print('this is my test')
运行这个ORM库的初始化引擎，是没有问题的，在console得到结果：this is my test
那么我们开始打包，使用最简单的pyinstaller test1.py。打包完成后，在当前目录下有个dist文件夹，进入dist下的test1文件夹，然后打开cmd，运行这个exe，我们就会发现：
提示：no model named ‘pymysql’
这是怎么回事呢？那么问题来了，sqlalchemy这个库在初始化的时候是不需要显示导入引擎库的，它自己有一个create_engine()的函数来初始化，这个字符串是使用者根据规则来自己填写的。其实解决的方法很简单，我们只要在显式导入pymysql这个库即可。现在我们导入这个库：import pymysql
重新打包一遍（重新打包的时候记得删除掉spec文件，否则会有缓存，或者是加上——clean选项清除掉），再次运行，现在就没有这个问题了。
多进程打包的问题
官方的CPython存在一个GIL锁，这个锁的存在有很多优点，很多库都是线程安全的，单线程执行的效率也高。在python早期的一个版本中取消掉了GIL，代之以高粒度的锁来实现多线程，但是实际应用中单个线程的效率大大降低。故后来又将GIL这个锁还原回去，所以至今的python2也好还是python3中都会有这个锁。但是这个锁有很大一个问题，那就是效率问题，它导致了python仅仅只能利用一个core来进行数据的计算。所以后面为了弥补这个GIL带来的问题，专家们设计了multiprocessing库，gevent库等。
前一个是多进程库，为了解决python用于数据密集型处理的情况；后一个用于异步IO处理的情况，基本原理就是在CPU时钟之间来回切换，简单的例子就是爬虫程序爬取网页的时候。假如有10个url，我们都要去GET它，实际上网络之间的延迟是大大高于计算机内部的，那么这个时间内计算机就切换到下一个。有时候运用多进程是必须的，这个替代不了，哪怕它占用资源很多。
本文转自《电脑报》2023年9月18日第15版
版权声明：
本文来源网络，所有图片文章版权属于原作者，如有侵权，联系删除。
本文网址：https://www.mushiming.com/mjsbk/2205.html