使用 PyInstaller 打包多依赖 Python 项目为 EXE

将复杂依赖的 Python 项目转换为独立 EXE 文件，需解决路径处理、隐藏导入、资源打包等问题。以下是具体操作流程和优化方案。

---

准备项目结构与依赖管理

确保项目目录清晰，依赖库通过 requirements.txt 管理：

pip freeze > requirements.txt

检查是否存在动态导入（如 __import__() 或 importlib），这类依赖需手动声明。

---

安装 PyInstaller 并生成基础 SPEC 文件

安装最新版 PyInstaller：

pip install pyinstaller --upgrade

生成 SPEC 模板文件（以 main.py 为例）：

pyinstaller --name=MyApp --onefile main.py

生成的 MyApp.spec 文件是打包的核心配置文件。

---

修改 SPEC 文件处理复杂依赖

编辑 SPEC 文件的关键部分：

1. 添加隐藏导入：在 Analysis 块中补充动态加载的库（如 OpenCV、Pandas）：

   hiddenimports=['cv2', 'pandas._libs.tslibs.timedeltas']
   

2. 包含数据文件：指定静态资源（如图片、配置文件）的路径映射：

   datas=[('assets/*.png', 'assets'), ('config.json', '.')]
   

3. 排除无关库：减少体积，例如排除测试模块：

   excludes=['unittest', 'pytest']
   

完整示例：

a = Analysis(
    ['main.py'],
    pathex=['/project/path'],
    binaries=[],
    datas=[('assets/*', 'assets')],
    hiddenimports=['sklearn.utils._weight_vector'],
    hookspath=[],
    excludes=['django'],
    ...
)

---

处理常见依赖问题

场景 1：库未自动打包

• 使用 --collect-all 强制包含整个包：

  pyinstaller --collect-all tensorflow main.py
  

场景 2：运行时 DLL 丢失

• 将缺失的 DLL 放入项目目录，并在 SPEC 中声明：

  binaries=[('C:/libs/opencv_world.dll', '.')]
  

场景 3：路径问题导致资源加载失败

• 在代码中使用 sys._MEIPASS 兼容开发与打包环境：

  base_path = getattr(sys, '_MEIPASS', os.path.dirname(__file__))
  config_path = os.path.join(base_path, 'config.json')
  

---

构建与调试

通过 SPEC 文件执行打包：

pyinstaller MyApp.spec

调试建议：

• 若 EXE 闪退，通过命令行运行查看报错：

  dist/MyApp.exe
  

• 使用 --debug=all 生成详细日志：

  pyinstaller --debug=all main.py
  

---

进阶优化

1. UPX 压缩：减少体积，需下载 UPX 并配置：

   exe = EXE(
       ...
       upx=True,
       upx_exclude=['vcruntime140.dll']
   )
   

2. 版本信息：添加图标和元数据（需 .rc 文件或 --version-file）。

3. 分发包：用 NSIS 或 Inno Setup 制作安装程序。

---

验证与分发

在纯净虚拟机中测试 EXE 兼容性，确保无缺失依赖。最终分发时建议包含：

• 主程序 EXE
• 必要的 DLL 文件（如 vcruntime140.dll）
• 使用说明文档

通过上述步骤，可将多依赖 Python 项目高效打包为独立 EXE，适用于 Windows 环境分发。