1.Python 中的源码依赖 requirements.txt 与 setup.py
2.逆向pyinstaller打包的exe软件，获取python源码(6)
3.安装python3
4.Python包管理
5.Linux离线Python源码编译及python版本升级
6.Python教程：使用PyInstaller打包Python应用
Python 中的源码依赖 requirements.txt 与 setup.py
Python 中的 requirements.txt、setup.py 和 setup.cfg 的源码依赖用途
对于新手来说，管理 Python 项目中的源码依赖依赖项非常具有挑战性，这一问题由历史原因引起，源码依赖并且一直受到吐槽。源码依赖电子海图源码
本文将探讨如何正确管理 Python 项目的源码依赖依赖关系。具体来说，源码依赖将讨论 requirements.txt 文件的源码依赖用途，以及如何使用 setuptools 来分发自定义的源码依赖 Python 包，并让其他用户进一步使用和开发它。源码依赖此外，源码依赖还将讨论设置文件（即 setup.cfg 和 setup.py）的源码依赖用途，以及如何将它们与需求文件一起使用，源码依赖从而使包开发和重新分发的源码依赖过程变得更容易。
Python 项目的依赖关系是什么
让我们从包依赖开始，介绍它们到底是什么，以及如何正确管理它们，因为这样可以使 Python 项目变得更容易维护。
简单来说，依赖项是我们 Python 项目所依赖的外部其他 Python 包，例如在 AI 方向，最常用的包是 Numpy 和 Pandas。在 Python 中，这些依赖通常可以在 Python 包索引（PyPI）或其他管理工具中找到（例如 Nexus），以下以 PyPI 为例介绍，因为它是最常用且大家都在用的包管理工具。
现在，webform权限源码我们的 Python 项目可能需要引用某个特定版本的第三方包有依赖。这种情况可能会导致依赖冲突的出现，因为我们所有的依赖中（至少）有两个依赖项可能依赖同一个包，但每个依赖项都需要该外部包的特定版本（比如一个需要 1.0，而一个需要 2.0）。在这种情况下，我们需要告诉 pip 如何处理依赖关系，以及我们需要哪些特定版本。
一般情况下，我们需要 requirements.txt 来指定项目的依赖包和版本，因此先看看 requirements.txt 的格式。
requirements.txt 文件
requirements.txt 是一个文件，列出了 Python 项目的所有依赖项。如前所述，它还可能包含依赖项的依赖项。除了列出依赖包名称外，还可以指定特定的版本（使用 ==）、>= 或 <=，甚至两者都指定。
示例 requirements.txt 文件
matplotlib >= 2.2 numpy >= 1..0, < 1..0 pandas pytest == 4.0.1
然后可以使用以下命令通过 pip 安装这些依赖项（通常在虚拟环境中）：
pip install -r requirements.txt
在上面的示例中，我们指定了一些依赖项。例如，对于没有关联版本的 pandas 包，pip 将正常安装最新版本，除非其他依赖项之一与它有任何冲突（如果有冲突，pip 将安装满足其余依赖项指定条件的最新 pandas 版本）。对于 pytest，指标时间源码包管理器将安装特定版本（即 4.0.1），而对于 matplotlib，将安装至少大于或等于 2.2 的最新版本（这还取决于是否有其他依赖项具体要求，如果没有则会安装符合条件的最新版）。对于 numpy 包，pip 将尝试安装 1..0（包含）和 1..0（不包含）之间的最新版本。
在安装所有依赖项后，可以通过运行 pip freeze 来查看虚拟环境中安装的每个依赖项的确切版本。此命令将列出所有包及其特定版本（即 ==）。
requirements.txt 非常有用，但它仅针对我们项目的开发和发布（例如线上部署等）。如果我们想将我们的代码发布到 PyPI 供其他人使用，那么需要的不仅仅是这个文件。
Python 中的 setuptools
setuptools 是构建在 distutils 之上的包，它可以帮助开发人员快速发布 Python 包。此外，它还提供了使依赖管理更容易的功能。
当想要发布一个包时，通常需要填写一些元数据，例如包名、版本、依赖项、入口点等。setuptools 就提供了简化这些操作的功能。
项目的元数据等信息需要在 setup.py 文件中定义，例如下面的 demo：
我们所填写的信息都是纯声明性的，因此一个更好的php 书画源码方法是在名为 setup.cfg 的文件中定义这些元数据和信息，然后只需在 setup.py 文件中调用 setup() 即可。setup.cfg 文件如下所示：
这样在我们的 setup.py 文件中只需要保留最少的代码：
上面 install_requires 参数与 requirements.txt 类似，可以使用运算符 <、>、<=、>=、== 或！=，后跟版本标识符。当项目安装时会根据该配置来下载和安装依赖。
我们需要 requirements.txt 和 setup.py/setup.cfg 文件吗？
这就需要分情况对待了。首先，requirements.txt 与 setup.py 之间的通常用于实现不同的需求：
另外，如果同时使用两者，setup.py（setup.cfg）文件应包含抽象依赖项列表，而 requirements.txt 文件必须包含具有每个包版本的特定引脚的具体依赖项（使用 == 指定特定版本）。
以下是 Python 文档中官方的定义：
install_requires（即 setup.py）定义了单个项目的依赖关系，而 requirements.txt 通常用于定义完整的 Python 环境。
尽管 install_requires 要求很少，但 requirements.txt 通常包含详尽的固定版本列表，以实现完整环境的可重复安装。
来自： packaging.python.org/en...
总结
本文讨论了在开发 Python 项目和应用程序时适当的依赖管理的重要性。并且介绍了 requirements.txt 文件的用途以及如何将它与 setuptools 的配置文件（即 setup.py 和 setup.cfg）一起使用，这样可以保证其他开发人员可以安装、运行、开发甚至测试源代码 Python 包的代码。
setuptools 不能完全替代 requirements.txt 文件。pos支付源码在大多数情况下，可能需要这两个文件同时存在，这样才能够正确管理包依赖和进行包的发布。
逆向pyinstaller打包的exe软件，获取python源码(6)
在之前的讨论中，我们已经成功逆向了由pyinstaller打包的exe程序的主程序。然而，关于其依赖的python文件，其实获取方法相当直接。关键在于PYZ-.pyz_extracted文件夹，其中包含编译exe时转化为pyc格式的依赖文件。只要对这些pyc文件进行逆向，就能揭示出整个exe的所有python源代码，这种方法屡试不爽。然而，有知乎网友推荐使用Nuitka进行exe打包，以增加代码的防护，防止源码被轻易反编译。具体步骤如下：首先，进入PYZ-.pyz_extracted文件夹，你将发现所需的依赖文件。
接着，对这些pyc文件进行逆向处理，从而获取到全部的python源代码。
在pycharm等开发环境中，打开这些源代码，解决任何依赖关系问题。
最后，直接运行你修改后的代码，程序即可成功启动。
安装python3
在centos7系统环境下进行Python 3的安装
使用YUM进行编译安装
1. 首先更新系统软件包
2. 接着安装必要的依赖项
3. 下载Python 3..2的源码包
4. 解压源码包
5. 进入解压后的目录
6. 编译并安装Python
注意：应使用make altinstall命令而非make install命令，以避免覆盖系统自带的Python版本
7. 将Python添加到系统环境变量：
或直接在/etc/profile中手动添加python3的路径
为python3.创建python3的软链接
8. 检查Python版本
如果输出的版本号显示为Python 3..2，则表示安装成功
现在，Python已经成功安装至/soft/目录下，并且被添加到了系统环境变量中
安装完毕后，可以使用pip3命令来安装Python 3的软件包。例如：
Python包管理
本文主要探讨Python的依赖包管理工具，Pip与Conda之间的差异和应用场景。Pip是Python官方推荐的包管理工具，主要从Python Package Index (pypi)下载Python软件包，支持wheel或源码安装，但需要与兼容编译器配合。Conda则是个更全面的包和环境管理器，能从Anaconda repository和Anaconda Cloud获取Python、C/C++和R等语言的二进制软件包，无需编译，且支持创建独立环境隔离不同版本包的安装。
Pip与Conda的主要区别在于：Pip仅限于Python包，且安装依赖时不处理版本冲突，可能需要借助如pipenv、poetry或hatch等工具；而Conda则能管理多语言包，创建独立环境避免版本冲突，且自动处理依赖关系。Anaconda repository和Cloud中的包数量相比pypi虽少，但在特定情况下，如某些软件仅在Anaconda可用时，两者需结合使用。
此外，文章还介绍了如何使用pypiserver搭建本地Python包源，以及如何配置密码保护或无密码访问。对于Conda的使用问题，如果遇到安装时的错误，需要通过查阅错误信息并采取相应解决方法来调试。
在实际操作中，Pip和Conda的选择取决于项目需求和特定环境，理解它们的差异和优势，能更好地管理Python项目的依赖和环境。
Linux离线Python源码编译及python版本升级
配置环境
初始化干净的centos7.8镜像，并搭建本地镜像源，详情可参考Linux 镜像源临时挂载+永久挂载+yum本地源制作 - 蜡笔小新的文章 - 知乎。
下载Python源码，版本选用Python-3.9..tar.xz。
编译Python
因高版本Python编译需高版本GCC，系统默认GCC版本为4.8.5，需先升级GCC。
执行Centos离线源码编译高版本GCC并升级教程：Linux Centos7.8.系统离线GCC源码编译升级 - 蜡笔小新的文章 - 知乎。
由于未安装make编译工具和依赖，需先执行yum -y install automake autoconf libtool make以完成安装。
编译Python源码至/opt/python3.9.，过程未出现错误。
升级Python版本
编译安装后，已将新版本安装至指定目录，但未升级原有Python版本。
通过ll /usr/bin/python查看，当前Python版本软链接指向/usr/bin/python2.7。
删除或备份当前Python软链接，避免影响yum工具。
修改yum工具文件路径，将“#!/usr/bin/python”更改为“#!/usr/bin/python2.7”。
最后，创建新编译Python3.9.的软链接及pip3软链接。
成功在Centos7.8上升级Python3.9.版本，同时确保原有yum工具可使用Python2.7版本。
Python教程：使用PyInstaller打包Python应用
Python应用共享时，用户需先安装Python及依赖，操作繁琐且技术门槛较高。PyInstaller作为第三方工具，简化了这一过程。
PyInstaller通过打包Python代码和依赖，用户只需解压文件即可运行应用，类似静态语言编译，与Java分发带JRE的jar包相似。然而，输出与操作系统和Python版本绑定，不包含操作系统自带库。且无法实现完全的代码隐藏，输出应用包含已编译的pyc文件，反向编译仍有可能。
使用PyInstaller打包应用的步骤：编写应用代码，使用命令行工具PyInstaller打包应用代码和依赖。打包后可作为文件夹或文件分发给其他人，用户无需安装Python或模块即可运行。
注意，PyInstaller打包的输出与操作系统和Python版本相关联，需在特定操作系统上使用特定版本的Python打包应用。应用不包含操作系统自带库，依赖系统提供。PyInstaller不支持隐藏源代码，使用Cython编译Python代码为C代码，再编译为机器码，可实现更高程度的代码隐藏。
下面是一些使用PyInstaller打包应用的示例：
### 示例1: 最简单的使用方法
假设应用代码包含一个简单的Tkinter应用，没有任何第三方依赖。
建立并进入虚拟环境，安装PyInstaller。执行打包命令。
查看dist目录下生成的文件，包含可执行文件和运行时依赖文件夹。将其压缩发送给用户，用户解压即可直接运行。
若希望生成一个单独的可执行文件，可增加一个选项将运行时依赖打包至文件。
运行此可执行文件时，会显示一个额外的Console窗口。对于GUI应用，可采用两种方法移除此窗口。
### 示例2: 多文件应用
将单文件应用拆分为多个文件，分别命名为multi_1.py和multi_2.py。打包应用时，只需指定启动文件即可。
### 示例3: 有外部依赖的应用
编写一个包含外部依赖的应用，如one_file_dep.py。在打包前，通过requirements.txt文件管理依赖，执行打包命令时，一并安装依赖。
在打包过程中，使用--log-level=DEBUG选项查看构建过程中的依赖图。将生成的.dot文件转换为，以便更直观地查看依赖关系。
总结了使用PyInstaller打包Python应用的流程、注意事项及示例，希望对开发者在共享应用时提供帮助。
