Python封装——如何把python代码打包成一个可执行的.exe文件，Pyinstaller

痛定思痛。 2023-10-13 10:05 87阅读 0赞

#### 目录 ####

*  Pyinstaller是啥
 *  入门案例：Hello World 封装
 *   *  1.hello world封装
     *  2.封装步骤
     *   *  1.新建文件夹放入hello.py文件
         *  2.按住shift点鼠标右键选择
         *  3.输入
         *  4.完成后打开dist文件
         *  运行的效果如下
 *  pyinstaller的参数详解
 *   *  比如：加个icon图标
 *  进阶案例：读取.dat文件，计算绘图并保存结果
 *   *  1.dat文件读取和处理
     *  2.整体的流程和代码
     *  3.封装遇到问题及解决
     *   *  问题1：RecursionError:maximum recursion depth exceeded
         *  问题2：FileNotFoundError:File b'./loadc.dat'does not exist
         *  问题3：ModuleNotFoundError:No module named'sklearn.utils.\_cython\_blas
         *  问题4：ModuleNotFoundError:No module named'sklearn.neighbors.typedefs
     *  4.封装成功后运行

--------------------

## Pyinstaller是啥 ##

[https://pyinstaller.org/en/stable/][https_pyinstaller.org_en_stable]

![在这里插入图片描述][22ac756acfaa45fa8ec932b145732570.png]

Pyinstaller可以打包Win、Linux、MacOS下的python程序，在什么环境下打包的就是什么平台的程序。相对来看，Pyinstaller打包的程序体积大、安全性稍差(容易反编译)，但是上手相对简单一些。

## 入门案例：Hello World 封装 ##

### 1.hello world封装 ###

安装：cmd下输入pip install Pyinstaller（P大写）  
清华大学镜像

> pip install -i https://pypi.tuna.tsinghua.edu.cn/simple Pyinstaller

![在这里插入图片描述][c8f0e0fe6aaa47e2815a72135765cf12.png]

编程：加入input（）解决闪退问题

![在这里插入图片描述][342314a2153b4120a7e8424ba35e0366.png]

print("hello world")
    input("输入任意键结束")

### 2.封装步骤 ###

#### 1.新建文件夹放入hello.py文件 ####

#### 2.按住shift点鼠标右键选择 ####

![在这里插入图片描述][02c00b5325d340a19787300909fd76cb.png]

#### 3.输入 ####

![在这里插入图片描述][ae828c599bb44d6980f5c376fdf024e3.png]

pyinstaller -F hello.py

#### 4.完成后打开dist文件 ####

![在这里插入图片描述][f54113d4f46042fb89092c748c8e5242.png]

#### 运行的效果如下 ####

![在这里插入图片描述][9469bb570be44699a209169150ffa083.png]

## pyinstaller的参数详解 ##

![在这里插入图片描述][9a2dc48c17c64bb89e414e055e15b50f.png]

> pyinstaller -F -w --icon=xxx.ico main.py –noconsole

*  \-F表示生成单exe可执行文件，-w表示窗体程序,
 *  –icon是设置exe的显示图标，'main.py’是程序的入口，
 *  –noconsole 表示不展示cmd窗口

![在这里插入图片描述][238214683d334c6fabf80623e51dc9ff.png]

<table> 
 <thead> 
  <tr> 
   <th></th> 
   <th>PyInstaller 支持的常用选项</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>-h，–help</td> 
   <td>产生单个的可执行文件</td> 
  </tr> 
  <tr> 
   <td>-D，–onedir</td> 
   <td>产生一个目录（包含多个文件）作为可执行程序</td> 
  </tr> 
  <tr> 
   <td>-a，–ascii</td> 
   <td>不包含 Unicode 字符集支持</td> 
  </tr> 
  <tr> 
   <td>-d，–debug</td> 
   <td>产生 debug 版本的可执行文件</td> 
  </tr> 
  <tr> 
   <td>-w，–windowed， --noconsolc</td> 
   <td>指定程序运行时不显示命令行窗口（仅对 Windows 有效）</td> 
  </tr> 
  <tr> 
   <td>-c，–nowindowed， --console</td> 
   <td>指定使用命令行窗口运行程序（仅对 Windows 有效）</td> 
  </tr> 
  <tr> 
   <td>-o DIR，–out=DIR</td> 
   <td>指定 spec 文件的生成目录。如果没有指定，则默认使用当前目录来生成 spec 文件</td> 
  </tr> 
  <tr> 
   <td>-p DIR，–path=DIR</td> 
   <td>设置 Python 导入模块的路径（和设置 PYTHONPATH 环境变量的作用相似）。<br>也可使用路径分隔符（Windows 使用分号，Linux 使用冒号）来分隔多个路径</td> 
  </tr> 
  <tr> 
   <td>-n NAME， --name=NAME</td> 
   <td>指定项目（产生的 spec）名字。如果省略该选项，那么第一个脚本的主文件名将作为 spec 的名字</td> 
  </tr> 
 </tbody> 
</table>

### 比如：加个icon图标 ###

> 改进后：pyinstaller -F --icon=subway.ico hello.py

![在这里插入图片描述][3393a9397cd849c6bbd86a3fb0ee1408.png]

## 进阶案例：读取.dat文件，计算绘图并保存结果 ##

### 1.dat文件读取和处理 ###

import numpy as np
    import pandas as pd
    import os
    # 列出当前目录下所有的文件
    files = os.listdir(".")
    for filename in files:
        portion = os.path.splitext(filename)
        # 如果后缀是.txt
        if portion[1] == ".txt":
            # 重新组合文件名和后缀名
            newname = portion[0] + ".csv"
            os.rename(filename,newname)
    a=pd.read_csv('F:\python\loadc.csv',sep = ',',encoding = 'gbk')

import pandas as pd
    import numpy as np
    file_path = "./loadc.dat"
    df = pd.read_csv(file_path,encoding = 'gbk')

### 2.整体的流程和代码 ###

![在这里插入图片描述][ba650f56bc4c467fb9251de5bc0e9fbe.png]

![在这里插入图片描述][50d8f74efe01413a84e94b1ad890273d.png]

import pandas as pd
    import numpy as np
    from matplotlib import pyplot as plt
    #########################################################
    pd.set_option('display.width', 1000)#加了这一行那表格的一行就不会分段出现了
    pd.set_option('display.max_columns', None)
    pd.set_option('display.max_rows', None)
    plt.rcParams['font.sans-serif'] = 'SimHei'
    plt.rcParams['axes.unicode_minus'] = False ## 设置正常显示符号
    ###########################################################
    file_path = "./loadc.dat"
    df = pd.read_csv(file_path,encoding = 'gbk')
    file_path1 = "./thrustweight.dat"
    df1 = pd.read_csv(file_path1,encoding = 'gbk')
    ##########################################################
    # 推力和载荷数据记录的处理
    #转换成只有数据的列表
    a=df.iloc[1,:].str.split("\t").tolist()
    # print(df.loc["预估载荷上下界"])
    load_list1=[i for j in a for i in j ]
    load_data1=list(map(float,load_list1[1:]))
    
    load_list=[]
    for k in range(1,df.shape[0]):
        a = df.iloc[k, :].str.split("\t").tolist()
        load_list1 = [i for j in a for i in j]
        load_data1 = list(map(float, load_list1[1:]))#输出不带米数的数据
        load_list.insert(k-1, load_data1)
    
    #装换成DataFrame数据
    load_data_dataframe=pd.DataFrame(load_list,columns=["thrust_min","thrust_max","torque_min","torque_max"])
    
    ##########################################################
    # 占比数据的处理
    b=df1.iloc[1,:].str.split("\t").tolist()
    load_rate1=[i for j in b for i in j ]
    load_rate=list(map(float,load_rate1[:]))
    cutter_thrust_rate1=load_rate[0]/100
    shield_friction_rate1=load_rate[1]/100
    equipment_traction_rate1=load_rate[2]/100
    ###########################################################
    #输出刀盘推力的预估上界和下界
    cutter_thrust_rate=pd.Series([cutter_thrust_rate1]*800)
    cutter_thrust_load=load_data_dataframe.mul(cutter_thrust_rate,axis=0)
    shield_friction_rate=pd.Series([shield_friction_rate1]*800)
    shield_friction_load=load_data_dataframe.mul(shield_friction_rate,axis=0)
    equipment_traction_rate=pd.Series([equipment_traction_rate1]*800)
    equipment_traction_load=load_data_dataframe.mul(equipment_traction_rate,axis=0)
    # print(load_data_dataframe)
    # print(cutter_thrust_load)
    ###############################################################
    #画图
    plt.figure(figsize=(20,8),dpi=80)#设置窗口大小
    x=range(800)
    y1=cutter_thrust_load["thrust_min"]
    y2=cutter_thrust_load["thrust_max"]
    # y3=cutter_thrust_load["torque_min"]
    # y4=cutter_thrust_load["torque_max"]
    y3=shield_friction_load["thrust_min"]
    y4=shield_friction_load["thrust_max"]
    y5=equipment_traction_load["thrust_min"]
    y6=equipment_traction_load["thrust_max"]
    
    plt.plot(x,y1,color="r",linestyle="--",linewidth=3,label="刀盘推力下界")
    plt.plot(x,y2,color="r",linewidth=3,label="刀盘推力上界")
    # plt.plot(x,y3,color="y",linewidth=3,label="刀盘扭矩下界")
    # plt.plot(x,y4,color="k",linewidth=3,label="刀盘扭矩上界")
    plt.plot(x,y3,color="g",linestyle="--",linewidth=3,label="盾构摩擦力下界")
    plt.plot(x,y4,color="g",linewidth=3,label="盾构摩擦力上界")
    plt.plot(x,y5,color="y",linestyle="--",linewidth=3,label="设备牵引力下界")
    plt.plot(x,y6,color="y",linewidth=3,label="设备牵引力上界")
    
    plt.legend(loc="best",fontsize='x-large')
    plt.tick_params(labelsize=13)
    plt.xticks(range(800)[::20],x[::20])
    plt.savefig('./推力分布曲线图.png')
    plt.title('推力分布曲线图',fontdict={
        'weight':'normal','size': 20})
    plt.ylabel('预估推力/kN',fontdict={
        'weight':'normal','size': 17})
    plt.xlabel('掘进行程/m',fontdict={
        'weight':'normal','size': 17})
    plt.grid(alpha=0.3)
    plt.savefig("./推力分布曲线图.png")
    # plt.show()
    ##############################################################
    #文件存储
    thrust_torque=pd.DataFrame()
    thrust_torque["thrust_min"]=load_data_dataframe["thrust_min"]
    thrust_torque["thrust_max"]=load_data_dataframe["thrust_max"]
    thrust_torque["cutter_thrust_min"]=cutter_thrust_load["thrust_min"]
    thrust_torque["cutter_thrust_max"]=cutter_thrust_load["thrust_max"]
    thrust_torque["shield_friction_thrust_min"]=shield_friction_load["thrust_min"]
    thrust_torque["shield_friction_thrust_max"]=shield_friction_load["thrust_max"]
    thrust_torque["equipment_traction_thrust_min"]=equipment_traction_load["thrust_min"]
    thrust_torque["equipment_traction_thrust_max"]=equipment_traction_load["thrust_max"]
    thrust_torque["torque_min"]=load_data_dataframe["torque_min"]
    thrust_torque["torque_max"]=load_data_dataframe["torque_max"]
    
    thrust_torque.to_csv('./thrust_load.csv',sep = ';',index = True)

### 3.封装遇到问题及解决 ###

#### 问题1：RecursionError:maximum recursion depth exceeded ####

pyinstaller -F --icon=subway.ico PET.py

![在这里插入图片描述][23c5fbd27f904806beafc87f7260393e.png]

![在这里插入图片描述][f8dfe640ec0d45a78da7ae65bed49461.png]

核心代码：  
![在这里插入图片描述][adffc287bd984650bbf0940b36020c62.png]

import sys
    sys.setrecursionlimit(5000)

pyinstaller PET.spec

![在这里插入图片描述][0863aa9993e04c048299092e980bb568.png]

#### 问题2：FileNotFoundError:File b’./loadc.dat’does not exist ####

![在这里插入图片描述][aa5cad81967a4c4aa7309c720b5670f5.png]  
解决方法：把文件loadc.dat和thrustweight.dat放在PET.exe所在文件中

运行成功后的截图：

![在这里插入图片描述][5ae8113f86834f3693a03d37ab3a99ce.png]

#### 问题3：ModuleNotFoundError:No module named’sklearn.utils.\_cython\_blas ####

![在这里插入图片描述][c8769c2c12c0419e97632019afa1bd30.png]

解决方法：Spec文件内加入

> hiddenimports=\[‘cython’, ‘sklearn’, ‘sklearn.utils.\_cython\_blas’ \],（手敲）  
> 然后pyinstaller fg2.spec

#### 问题4：ModuleNotFoundError:No module named’sklearn.neighbors.typedefs ####

![在这里插入图片描述][d9c6b631ffdb48eba36303926a542943.png]  
解决方法：编译时加sklearn.neighbors.typedefs

> pyinstaller -F fg2.py --hidden-import sklearn.neighbors.typedefs

### 4.封装成功后运行 ###

> pyinstaller -F --icon=subway.ico choosebest.py  
> pyinstaller choosebest.spec

【用途】：推力预测  
【流程设计】：  
![在这里插入图片描述][ba650f56bc4c467fb9251de5bc0e9fbe.png]

封装结果如下：  
![在这里插入图片描述][163899739bcb4b1196ea9306e17ab6df.png]  
使用说明：

![在这里插入图片描述][8d90439cf60f4417a7b8eeab71a98952.png]

> 使用方法：  
> 1.内部所有文件直接拷贝到D盘；  
> 2.点击 dist 中的 choosebest.exe 文件；  
> 3.等待一会儿，出现“输入任意键结束”；  
> 4.输入任意键，窗口消失；  
> 5.打开dist文件夹，“maxr2\_推力”为运行结果。

程序运行结果：  
![在这里插入图片描述][bcce06eee72048feaa7c0dcba25d6131.png]

![在这里插入图片描述][e3b05d75ed534308aff659c1b4a5b80d.png]

[https_pyinstaller.org_en_stable]: https://pyinstaller.org/en/stable/
[22ac756acfaa45fa8ec932b145732570.png]: https://img-blog.csdnimg.cn/22ac756acfaa45fa8ec932b145732570.png
[c8f0e0fe6aaa47e2815a72135765cf12.png]: https://img-blog.csdnimg.cn/c8f0e0fe6aaa47e2815a72135765cf12.png
[342314a2153b4120a7e8424ba35e0366.png]: https://img-blog.csdnimg.cn/342314a2153b4120a7e8424ba35e0366.png
[02c00b5325d340a19787300909fd76cb.png]: https://img-blog.csdnimg.cn/02c00b5325d340a19787300909fd76cb.png
[ae828c599bb44d6980f5c376fdf024e3.png]: https://img-blog.csdnimg.cn/ae828c599bb44d6980f5c376fdf024e3.png
[f54113d4f46042fb89092c748c8e5242.png]: https://img-blog.csdnimg.cn/f54113d4f46042fb89092c748c8e5242.png
[9469bb570be44699a209169150ffa083.png]: https://img-blog.csdnimg.cn/9469bb570be44699a209169150ffa083.png
[9a2dc48c17c64bb89e414e055e15b50f.png]: https://img-blog.csdnimg.cn/9a2dc48c17c64bb89e414e055e15b50f.png
[238214683d334c6fabf80623e51dc9ff.png]: https://img-blog.csdnimg.cn/238214683d334c6fabf80623e51dc9ff.png
[3393a9397cd849c6bbd86a3fb0ee1408.png]: https://img-blog.csdnimg.cn/3393a9397cd849c6bbd86a3fb0ee1408.png
[ba650f56bc4c467fb9251de5bc0e9fbe.png]: https://img-blog.csdnimg.cn/ba650f56bc4c467fb9251de5bc0e9fbe.png
[50d8f74efe01413a84e94b1ad890273d.png]: https://img-blog.csdnimg.cn/50d8f74efe01413a84e94b1ad890273d.png
[23c5fbd27f904806beafc87f7260393e.png]: https://img-blog.csdnimg.cn/23c5fbd27f904806beafc87f7260393e.png
[f8dfe640ec0d45a78da7ae65bed49461.png]: https://img-blog.csdnimg.cn/f8dfe640ec0d45a78da7ae65bed49461.png
[adffc287bd984650bbf0940b36020c62.png]: https://img-blog.csdnimg.cn/adffc287bd984650bbf0940b36020c62.png
[0863aa9993e04c048299092e980bb568.png]: https://img-blog.csdnimg.cn/0863aa9993e04c048299092e980bb568.png
[aa5cad81967a4c4aa7309c720b5670f5.png]: https://img-blog.csdnimg.cn/aa5cad81967a4c4aa7309c720b5670f5.png
[5ae8113f86834f3693a03d37ab3a99ce.png]: https://img-blog.csdnimg.cn/5ae8113f86834f3693a03d37ab3a99ce.png
[c8769c2c12c0419e97632019afa1bd30.png]: https://img-blog.csdnimg.cn/c8769c2c12c0419e97632019afa1bd30.png
[d9c6b631ffdb48eba36303926a542943.png]: https://img-blog.csdnimg.cn/d9c6b631ffdb48eba36303926a542943.png
[163899739bcb4b1196ea9306e17ab6df.png]: https://img-blog.csdnimg.cn/163899739bcb4b1196ea9306e17ab6df.png
[8d90439cf60f4417a7b8eeab71a98952.png]: https://img-blog.csdnimg.cn/8d90439cf60f4417a7b8eeab71a98952.png
[bcce06eee72048feaa7c0dcba25d6131.png]: https://img-blog.csdnimg.cn/bcce06eee72048feaa7c0dcba25d6131.png
[e3b05d75ed534308aff659c1b4a5b80d.png]: https://img-blog.csdnimg.cn/e3b05d75ed534308aff659c1b4a5b80d.png