开始今天的话题前，我想先讲一个我很早之前做的尝试。无意间发现一份diffpdf源代码，作者提供了Linux的编译版本，但没有Windows编译版本，我经过努力，编译成功了，并放到了我的博客上(http://rubypdf.com)，受到了欢迎，diffpdf也从一种半死不活的状态慢慢出名了起来。

这是否说明，对最终使用者来说，东西不仅要好，还得用起来方便。这点对于Python应用程序来说呢？平时我们部署一个Python程序，一般怎么做？

• 下载Python安装包

• 设置虚拟环境

• 安装各种依赖包

• 安装程序

• 因为环境的变化，各种报错调试

• 。。。

如果不需要装乱七八糟的前期准备工作，就可以顺利使用起来， 是不是很期待？

GitHub上有个小工具名叫q(https://github.com/harelba/q)，获得超过7.3K的stars，基于Python开发，实现了直接写SQL查询CSV或者TSV，就像这样

它的原理很简单，把CSV（TSV）导入到SQLite 内存数据库的表中，然后对SQLite执行各种查询操作。

也许你会疑惑这么一个小软件，咋会有那么多人喜欢，而且又是Python编写的。

这一方面得益于它的批量查询CSV的功能，另外一个重要的原因，它的发行版非常小（便于发行）功不可没，

• MacOS， 5.0M

• Windows， 6.53M

• Linux ，10.2M

下载就可以使用的，不需要再准备Python环境了，是不是很方便。

你是否好奇，它使用什么软件来打包的呢？

答案是PyInstaller（https://www.pyinstaller.org/）。

上次我们尝试过Nuikta（MacOS 和Windows），它可以把Python代码转为c再进行编译，可以保护Python代码，还可以打包便于发行，下面对这两款打包工具做一个简单的对比。

下面是使用Nuikta，PyInstaller和原始python代码处理一个sales.csv（来自https://relational.fit.cvut.cz/dataset/SalesDB）的例子，从下图看csv

• 总计6758126行（包含文件头），整个文件506M

• 编码是带BOM表带UTF8

• 分隔符为“;"

• 9个字段

• 执行速度上原生>Nuikta>PyInstaller，但相差不大。

在编译上，

• Nuikta对CPU的占用非常高，风扇狂转

• Nuikta生成的文件夹， PyInstaller可以生成一个可执行文件

• Nuikta生成的文件是PyInstaller的几倍（24M:5M)

上面代码额外提到了，

• file：一款判断文件类型对工具，非常强大，Mac和Linux自带，Windows下我编译了，有兴趣对可以留言问我要。

• head， 这是一个非常常见的Linux命令，提取文件的前几行，和它对应的还有一个非常常见的tail，以及more等。Windows下可以使用busybox的Windows版本

• wc（不是厕所），查看文件行数，不过现在有了小q，你也可以直接用小q来查询了（select count(*) from iris.csv)， 这个也在busybox里可以找到

另外，如果你真的打算对某个csv做各种查询，我建议你使用DB Browser for SQLite（https://sqlitebrowser.org/）或者别的更合适数据库（PostgreSQL，Apache Drill等）。

再做个小预告，基于PyInstaller编译的 autocrud编译成功，你提供sqlite，我提供autocrud，你的免费管理系统就可以用起来了，敬请期待。

如果有什么建议和意见，也欢迎留言，或者加我个人微信，

麻烦点亮[在看]，🙏🙏🙏！

Search Results

Web Result with Site Links