Pyinstaller 生成exe文件执行遇到 ModuleNotFoundError

Python3.8

Python3.8

Conda
Python

Python 是一种高级、解释型、通用的编程语言,以其简洁易读的语法而闻名,适用于广泛的应用,包括Web开发、数据分析、人工智能和自动化脚本

Pyinstaller 打包调用某官方接口功能的时候,遇到模型未加载错误ModuleNotFoundError。

发现问题:

打开 terminal, 使用如下正常打包命令,然后生成的exe文件无法执行。 报错缺少 Module。

Pyinstaller -F -c -p C:\xxxx\.venv1\Scripts -i logo.ico get_update_ONE.py

原因:

未加载动态模块: 某些扩展功能或动态模块没有被加载到包里。 可能原来的包配置文件复杂,pyinstaller无法识别到依赖关系。

尝试了网上的方法:

1. 改写 import。

        将 from aaa import bbb 改为直接 import aaa,当然使用包的地方需要使用完整的 aaa.bbb。

         无效,并没有导入 aaa包。

2. 修改spec,指定虚拟环境目录。

        就是将python虚拟环境目录,确定是安装了我们所需要的包的虚拟环境的路径,加到 spec 文件的pathex中。

        无效。打包结果和之前一摸一样。该缺少的还是缺少。

3. 将整个 aaa 模块作为资源文件打包。

        在spec文件里找到 data, 然后改写为 datas=[('C:\\xxxxxxx\\aaa\\*', 'aaa')]。

        无效;生成的exe文件确实大了,说明将包作为资源文件打包进去了,但是运行的时候任然报错。

最后找到方法步骤:

1. 生成spec文件:
pyi-makespec -option1 -option2 -... name.py

        对应我的就是:

pyi-makespec -F -c -p C:\xxxxx\.venv1\Scripts -i logo.ico get_update_ONE.py  

      

2. 将丢失的Module加到 hiddenimports 中:

        查看之前执行时候遇到的错误,丢失哪个module就加到 hiddenimports 里面去,格式如下:

        hiddenimports=['aaa.bbb','aaa.ccc']

3. 使用spec文件生成exe文件。

        使用spc生成exe文件的命令为:

Pyinstaller xxxxx.spec

        执行exe文件,如果继续报错缺少module,就继续添加到 hiddenimports里面,继续生成exe文件,继续执行,直到不再报找不到module的错。

        最后我的文件为:

hiddenimports=['google.xxx','google.xxx.services','google.xxx.services.bbb','google.xxx.services.bbb_services']

我丢失的是google某API的包,本以为加了'google.xxx'就可以了,其实他不是通过这一层,把下面所有相关的包都加载上,任然需要继续加载'google.xxx.services', 一次一次测试,把一层一层缺少的包都加载进来。 

简便方法:

参考:https://blog.csdn.net/qq_31679735/article/details/143972630

修改spec文件,使用collect_submodules 方法。

from PyInstaller.utils.hooks import collect_submodules

a = Analysis(
        ['get_update_ONE.py'],
        pathex=['C:\\xxxx\\.venv1\\Scripts','C:\\xxxx\\.venv1\\Lib\\site-packages\\aaa\\bbb\\*'],
        binaries=[],
        datas=[],
        hiddenimports=collect_submodules('aaa.bbb'),
        hookspath=[],
        hooksconfig={},
        runtime_hooks=[],
        excludes=[],
        noarchive=False,
        optimize=0,)

    其余部分不变。

    这里使用了 collect_submodules, 该方法会将自动识别依赖关系,将包都加载进来。

    如样例中我直接将 'aaa.bbb' 全部加载进来,省的一个一个找缺失的模块写到 hiddenimports 里。

您可能感兴趣的与本文相关的镜像

Python3.8

Python3.8

Conda
Python

Python 是一种高级、解释型、通用的编程语言,以其简洁易读的语法而闻名,适用于广泛的应用,包括Web开发、数据分析、人工智能和自动化脚本

内容概要:本文围绕可变桨叶四旋翼无人机的规范控制与点对点运动模拟展开,重点研究优化推力分配策略在翻转动作中的应用与性能比较。通过Matlab代码实现,构建了四旋翼动力学模型,并设计了多种控制算法以实现精确的姿态调整与轨迹跟踪。研究对比了不同推力分配方案在执行高机动性翻转动作时的稳定性、能耗效率与响应速度,旨在提升无人机在复杂飞行任务中的动态性能与控制精度。该仿真研究为无人机飞控系统的设计与优化提供了理论依据和技术支持。; 适合人群:具备一定自动控制理论基础和Matlab编程能力,从事无人机控制、飞行器动力学或机器人系统研究的科研人员及研究生。; 使用场景及目标:① 实现四旋翼无人机在三维空间中的精确点对点运动控制;② 对比分析不同推力分配策略在执行翻转等高难度动作时的控制效果与能耗表现,优化飞行性能;③ 为无人机自主飞行、特技飞行及复杂环境下的机动控制提供算法验证平台。; 阅读建议:此资源以Matlab仿真为核心,建议读者结合相关控制理论知识,深入理解代码实现细节,重点关注动力学建模、控制律设计与推力分配模块。在学习过程中,应动手调试参数,复现文中翻转动作的仿真结果,并尝试拓展至其他复杂飞行任务,以加深对无人机控制机理的理解。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值