Python如何用Python编译自己？-杰瑞科技汇

Python代码并不是直接编译成机器码的。

与C或C++不同，Python代码的执行流程是这样的：

源代码 (.py)：你写的 .py 文件。
字节码 (.pyc)：Python解释器（如CPython）会将你的源代码编译成一种叫做“字节码”的中间格式，这是一种平台无关的、解释器能高效执行的指令集，这个过程发生在你运行脚本时，.pyc 文件会被缓存起来以提高下次启动速度。
虚拟机执行：Python解释器（CPython）本身就是一个虚拟机，它会读取并执行这些字节码。

当人们说“编译Python”时，他们通常指的是以下几种情况之一：

将.py文件编译成.pyc字节码文件。 这是最基础的“编译”，主要用于分发和加速。
将Python程序打包成独立的可执行文件。 这是最常见的需求，目的是让没有安装Python环境的用户也能运行你的程序。
将Python代码编译成真正的机器码，以提高性能。 这是追求极致性能的开发者会做的事情。

下面,我将针对这三种情况，提供详细的教程。

将 `.py` 文件编译成 `.pyc` 字节码文件

这个过程非常简单,Python本身就内置了相关的工具。

方法1：直接运行脚本

当你运行一个 .py 文件时，Python解释器会自动在 __pycache__ 目录下生成一个对应的 .pyc 文件。

你有一个 hello.py 文件：

# hello.py
print("Hello, World!")

在命令行中运行它：

python hello.py

执行后,你会发现在同级目录下多了一个 __pycache__ 文件夹，里面有一个类似 hello.cpython-311.pyc 的文件（311 代表你的Python版本）。

方法2：使用 `py_compile` 模块

如果你想手动编译一个文件,或者在一个脚本中实现编译，可以使用 py_compile 模块。

命令行方式：

python -m py_compile your_script.py

这会直接编译 your_script.py，如果成功则无输出，如果失败会报错。

Python脚本方式：

# compile_example.py
import py_compile
py_compile.compile('your_script.py', 'compiled_script.pyc') # 可以指定输出文件名
print("Compilation successful!")

方法3：使用 `compileall` 模块

如果你想编译一个目录下的所有 .py 文件，compileall 是最佳选择。

命令行方式：

# 编译指定目录下的所有.py文件
python -m compileall /path/to/your/project
# 递归编译子目录
python -m compileall -r /path/to/your/project

这种“编译”主要是为了性能优化和模块导入，不适合直接分发代码，因为任何人都可以轻松地将 .pyc 文件反编译回 .py 文件。

将Python程序打包成独立的可执行文件

这是大多数开发者的最终目标,我们使用第三方工具来完成这个任务，它们会读取你的Python脚本、依赖库，并打包成一个可执行文件（在Windows上是 .exe，在macOS上是 .app，在Linux上是可执行文件）。

最流行、最推荐的工具是 PyInstaller。

使用 PyInstaller 打包

第一步：安装 PyInstaller

pip install pyinstaller

第二步：准备你的Python程序

假设你有一个简单的带GUI的程序 app.py：

# app.py
import tkinter as tk
def say_hello():
    print("Hello from the executable!")
    label.config(text="Hello, World!")
root = tk.Tk()"My App")
root.geometry("300x200")
label = tk.Label(root, text="Click the button")
label.pack(pady=20)
button = tk.Button(root, text="Say Hello", command=say_hello)
button.pack(pady=10)
root.mainloop()

第三步：打包你的程序

打开命令行,进入 app.py 所在的目录，然后运行以下命令：

最简单的打包（单文件模式）

pyinstaller --onefile app.py

--onefile：将所有东西打包成一个单独的可执行文件。
执行后,你会看到几个新文件夹：
- build/：打包过程中的临时文件，可以删除。
- dist/：你的最终可执行文件就在这里！
- app.spec：PyInstaller的配置文件，用于高级定制。

目录模式（更快的启动速度）

pyinstaller app.py

这会创建一个文件夹,里面包含可执行文件和所有依赖，启动速度比单文件模式快，但分发起来更麻烦。

带图标的打包

pyinstaller --onefile --icon=my_icon.ico app.py

你需要准备一个 .ico 格式的图标文件。

控制台窗口（默认）与无窗口模式

对于GUI程序,你可能不希望出现黑色的命令行窗口。

# 无窗口模式 (仅适用于GUI程序)
pyinstaller --onefile --windowed --icon=my_icon.ico app.py

--windowed 或 -w：不显示控制台窗口。
--console 或 -c：显示控制台窗口（默认）。

高级技巧：排除不必要的文件

在打包时,PyInstaller可能会包含一些你不需要的库（如Qt、matplotlib的后端），这会增加文件体积，你可以通过 --exclude-module 来排除它们。

pyinstaller --onefile --exclude-module matplotlib app.py

PyInstaller是打包Python应用最简单、最强大的工具之一，能满足绝大多数需求。

将Python代码编译成真正的机器码（性能优化）

如果你的代码是计算密集型的（例如科学计算、数据分析），并且对性能有极致要求，可以考虑将代码编译成机器码，这通常只针对代码中的“热点”（即执行频率最高的部分）。

最主流的工具是 Cython。

使用 Cython 编译

核心思想：Cython是一个超集的Python语言，它允许你为Python代码添加静态类型声明，Cython代码会被转换成C语言代码，再由C编译器（如GCC, Clang, MSVC）编译成高效的机器码（.so 或 .dll 文件），你可以在Python中像导入普通模块一样导入这个编译后的模块。

第一步：安装 Cython

pip install cython

第二步：写一个纯Python模块

假设我们有一个 math_utils.py 文件，里面有一个计算斐波那契数列的函数，这是一个很好的性能测试案例。

# math_utils.py
def fibonacci(n):
    """一个纯Python实现的斐波那契数列函数，性能较差"""
    a, b = 0, 1
    for _ in range(n):
        a, b = b, a + b
    return a

第三步：创建一个Cython定义文件（.pyx）

创建一个名为 math_utils_cython.pyx 的文件，这个文件和你的Python模块很像，但我们可以为变量添加类型声明。

# math_utils_cython.pyx
# 导入C语言的整数类型
def c_int
def fibonacci_cython(int n):
    """一个使用Cython类型声明的函数，性能会高很多"""
    # c_int a = 0, b = 1  # 也可以这样声明
    a, b = 0, 1
    for i in range(n):
        # 在循环中，i, a, b 的类型都是动态推断的
        # 但因为循环是热点，Cython会进行优化
        a, b = b, a + b
    return a

第四步：创建一个 setup.py 文件

这个文件是用来告诉Python如何调用Cython来编译 .pyx 文件的。

# setup.py
from setuptools import setup
from Cython.Build import cythonize
import numpy # 如果你需要numpy，可以这样导入
setup(
    ext_modules = cythonize("math_utils_cython.pyx")
)

第五步：编译

在命令行中运行 setup.py：

python setup.py build_ext --inplace

build_ext：告诉setuptools要编译一个C扩展。
--inplace：将编译后的模块（如 .so 或 .dll）文件放在当前目录，而不是在 build 文件夹里。

执行成功后,你会看到 math_utils_cython.c（由Cython生成的C代码）和 math_utils_cython.so（或 .pyd，在Windows上是 .pyd）文件，这就是你的机器码模块！

第六步：在Python中使用

你可以像导入普通模块一样导入并使用它了。

# main.py
import time
import math_utils      # 原始的Python模块
import math_utils_cython # 编译后的Cython模块
n = 900000
# 测试原始Python函数的性能
start_time = time.time()
result_py = math_utils.fibonacci(n)
end_time = time.time()
print(f"Python result: {result_py}")
print(f"Python time: {end_time - start_time:.4f} seconds")
# 测试Cython函数的性能
start_time = time.time()
result_cy = math_utils_cython.fibonacci_cython(n)
end_time = time.time()
print(f"Cython result: {result_cy}")
print(f"Cython time: {end_time - start_time:.4f} seconds")

你会看到,Cython版本的执行速度有显著提升。

Cython是提升Python性能的利器,尤其适合科学计算领域，但它比PyInstaller复杂，需要你了解一些C语言的概念，并且主要用于优化特定模块，而不是整个应用程序。

总结与选择

目的	工具	优点	缺点	适用场景
生成字节码	`py_compile`, `compileall`	简单、快速、内置	易反编译，安全性低	模块缓存、分发预编译包
打包成可执行文件	PyInstaller	简单易用，功能强大，社区活跃	可执行文件体积较大，可能被杀毒软件误报	桌面应用、游戏、工具分发
编译成机器码	Cython	性能提升巨大（可达百倍）	学习曲线陡峭，需要C知识，仅优化部分代码	科学计算、数据分析、性能瓶颈优化

给你的建议：

如果你想让别人轻松运行你的Python程序：直接使用 PyInstaller，这是99%的开发者需要的功能。
如果你的程序运行太慢，特别是循环计算部分：尝试使用 Cython 来优化你的核心算法。
如果你想了解Python的底层工作原理：自己动手用 py_compile 编译一下 .py 文件，看看 .pyc 文件长什么样。

Python如何用Python编译自己？

将 `.py` 文件编译成 `.pyc` 字节码文件

方法1：直接运行脚本

方法2：使用 `py_compile` 模块

方法3：使用 `compileall` 模块

将Python程序打包成独立的可执行文件

使用 PyInstaller 打包

将Python代码编译成真正的机器码（性能优化）

使用 Cython 编译

总结与选择

99ANYc3cd6

Python WindowsError 是什么原因导致的？

Lightroom 5教程怎么学？新手入门指南？

python基础看流畅的python

Multisim使用教程怎么学？从哪开始学？

foobar2000怎么用？新手入门指南

Java Socket编程实例具体怎么实现？

Mac版MATLAB安装步骤有哪些？

Python setposition怎么用？坐标怎么设置？

java hashmap key

Java Excel合并单元格怎么操作？

Python库1001Python库

c primer 教程

苹果双系统安装教程u盘安装

jQuery教程PDF哪里找？

Java wait/notify如何正确实现线程同步？

Python ChannelFile如何高效使用？

Python如何用Python编译自己？

将 .py 文件编译成 .pyc 字节码文件

方法1：直接运行脚本

方法2：使用 py_compile 模块

方法3：使用 compileall 模块

将Python程序打包成独立的可执行文件

使用 PyInstaller 打包

将Python代码编译成真正的机器码（性能优化）

使用 Cython 编译

总结与选择

相关推荐

Java Socket编程实例具体怎么实现？

将 `.py` 文件编译成 `.pyc` 字节码文件

方法2：使用 `py_compile` 模块

方法3：使用 `compileall` 模块