爆强!直接把 Python 编写的图形程序打包为安卓 APP
itomcoil 2025-03-23 20:26 12 浏览
请大家多多关注点赞哦
如果想使用 Python 语言编写图形界面程序,那么有不少的框架可以提供支持,比如 Tkinter、Qt for Python、WxPython等等。
不过这些框架都是只能创建桌面图形界面程序,比如 Windows、Linux 和 macOS。
如果我们想要创建 IOS 或 Android 等平台的移动应用APP,它们就无能为力了。
那么 Python 能不能写移动应用APP呢?实际上是可以的。
目前据「州的先生」所了解,Kivy 和 BeeWare 都宣称「一次编写,处处部署」,基于这些个框架编写的图形界面程序,都能够打包为全平台的应用程序,比如:Windows、Linux、macOS、Android、IOS。
今天,咱们就尝试使用一下 BeeWare 这个框架,编写一个图形界面程序,然后打包为一个安卓APP。
开始吧!
BeeWare 是一个基于 Python 构建的跨平台应用开发框架,其宣传「Write once. Deploy everywhere.」
能够让 Python 编写的图形程序在 iOS, Android, Windows, MacOS, Linux, Web, 和 tvOS 上运行,看起来是很强大的。
安装
根据 BeeWare 的文档说明,在 Windows 上使用,我们首先需要安装 Git 和 WiX Toolset,根据给出的网址,下载安装即可。
然后,我们使用 pip 工具安装 BeeWare:
pip install briefcase
创建应用
BeeWare 安装完成之后,我们就可以通过briefcase命令在命令行终端进行 BeeWare 应用的管理,比如新建、运行、构建、打包等等。
我们先使用命令briefcase new创建一个应用。
命令输入之后,会让我们输入「应用的正式名称」、「应用程序名称」、「域名」、「项目名称」等等信息,在这里出于演示,我们统统使用默认值。
输入完成之后,BeeWare会开始创建应用,创建完成之后,会有如下提示:
同时目录下多出了一个与应用程序名称同名的目录:
我们的程序的主要代码都将在 app.py 里面编写,默认 app.py 文件内已经有一个demo代码,我们可以直接运行项目:
briefcase dev
在命令行输入上述命令,会生成一个如下图所示的窗口:
打包为Windows程序
出于演示,在这里州的先生不对 BeeWare 的图形界面控件进行过多的演示,直接使用了它的demo。
如果我们需要将编写好的图形程序打包成 Windows桌面程序,那么可以执行下面的步骤:
首先,创建应用的脚手架:
briefcase create
运行命令,将会生成一些预配置文件,然后下载依赖的包。
完成之后,项目目录下会生成一个 Windows 的目录,如下图所示:
然后,构建应用:
briefcase build
接着,运行构建的应用:
briefcase run
最后,打包应用:
briefcase package
打包完成后,./Windows 目录下会生成一个 .msi 的二进制安装文件:
我们双击运行它,会出现常见的Windows程序的安装界面:
安装完成之后,可以在Windows的应用程序列表中看到它:
点击它,就会打开我们之前用命令运行的程序界面;
打包为安卓APP
如果我们要将应用打包为安卓APP,过程也是类似的。
首先,创建应用的安卓脚手架:
briefcase create android
接着,构建安卓应用:
briefcase build android
然后,我们运行一下构建好的安卓应用:
briefcase run android
在这里会让我们选择设备,可以选择 BeeWare 提供的安卓虚拟机或者是在电脑上连接自己的手机,在这里,我们选择安卓虚拟机:
最后,打包安卓应用:
briefcase package android
打包完成之后,我们可以在 .\android\gradle\Hello World\app\build\outputs 找到打包好的文件:
BeeWare 提供了两种打包好的文件,一种是用于上架Google Play 的.aab 格式文件,
一种是用于调试的 .apk 文件:
apk 文件咱们的手机可以直接安装,所以就用QQ把它传到手机上:
QQ内可以识别安装:
安装它:
安装完成:
打开应用:
显示程序内容:
这样,我们就把Python编写的图形程序直接打包为了安卓APP。
IOS的打包流程也是类似,大家可以参考官网文档尝试一下。
有问题欢迎留言交流讨论~
BeeWare 集成了一个自己研发的 GUI 框架 toga ,这是 BeeWare 支持的 GUI 框架中对全平台适配最好一个,如果你希望更详细地了解 BeeWare 创建图形界面程序,麻烦转发或关注。
相关推荐
- 最强聚类模型,层次聚类 !!_层次聚类的优缺点
-
哈喽,我是小白~咱们今天聊聊层次聚类,这种聚类方法在后面的使用,也是非常频繁的~首先,聚类很好理解,聚类(Clustering)就是把一堆“东西”自动分组。这些“东西”可以是人、...
- python决策树用于分类和回归问题实际应用案例
-
决策树(DecisionTrees)通过树状结构进行决策,在每个节点上根据特征进行分支。用于分类和回归问题。实际应用案例:预测一个顾客是否会流失。决策树是一种基于树状结构的机器学习算法,用于解决分类...
- Python教程(四十五):推荐系统-个性化推荐算法
-
今日目标o理解推荐系统的基本概念和类型o掌握协同过滤算法(用户和物品)o学会基于内容的推荐方法o了解矩阵分解和深度学习推荐o掌握推荐系统评估和优化技术推荐系统概述推荐系统是信息过滤系统,用于...
- 简单学Python——NumPy库7——排序和去重
-
NumPy数组排序主要用sort方法,sort方法只能将数值按升充排列(可以用[::-1]的切片方式实现降序排序),并且不改变原数组。例如:importnumpyasnpa=np.array(...
- PyTorch实战:TorchVision目标检测模型微调完
-
PyTorch实战:TorchVision目标检测模型微调完整教程一、什么是微调(Finetuning)?微调(Finetuning)是指在已经预训练好的模型基础上,使用自己的数据对模型进行进一步训练...
- C4.5算法解释_简述c4.5算法的基本思想
-
C4.5算法是ID3算法的改进版,它在特征选择上采用了信息增益比来解决ID3算法对取值较多的特征有偏好的问题。C4.5算法也是一种用于决策树构建的算法,它同样基于信息熵的概念。C4.5算法的步骤如下:...
- Python中的数据聚类及可视化分析实践
-
探索如何通过聚类分析揭露糖尿病预测数据集的特征!我们将运用Python的强力工具,深入挖掘数据,以直观的可视化揭示不同特征间的关系。一同探索聚类分析在糖尿病预测中的实践!所有这些可视化都可以通过数据操...
- 用Python来统计大乐透号码的概率分布
-
用Python来统计大乐透号码的概率分布,可以按照以下步骤进行:导入所需的库:使用Python中的numpy库生成数字序列,使用matplotlib库生成概率分布图。读取大乐透历史数据:从网络上找到大...
- python:支持向量机监督学习算法用于二分类和多分类问题示例
-
监督学习-支持向量机(SVM)支持向量机(SupportVectorMachine,简称SVM)是一种常用的监督学习算法,用于解决分类和回归问题。SVM的目标是找到一个最优的超平面,将不同类别的...
- 25个例子学会Pandas Groupby 操作
-
groupby是Pandas在数据分析中最常用的函数之一。它用于根据给定列中的不同值对数据点(即行)进行分组,分组后的数据可以计算生成组的聚合值。如果我们有一个包含汽车品牌和价格信息的数据集,那么可以...
- 数据挖掘流程_数据挖掘流程主要有哪些步骤
-
数据挖掘流程1.了解需求,确认目标说一下几点思考方法:做什么?目的是什么?目标是什么?为什么要做?有什么价值和意义?如何去做?完整解决方案是什么?2.获取数据pandas读取数据pd.read.c...
- 使用Python寻找图像最常见的颜色_python 以图找图
-
如果我们知道图像或对象最常见的是哪种颜色,那么可以解决图像处理中的几个用例,例如在农业领域,我们可能需要确定水果的成熟度。我们可以简单地检查一下水果的颜色是否在预定的范围内,看看它是成熟的,腐烂的,还...
- 财务预算分析全网最佳实践:从每月分析到每天分析
-
原文链接如下:「链接」掌握本文的方法,你就掌握了企业预算精细化分析的能力,全网首发。数据模拟稍微有点问题,不要在意数据细节,先看下最终效果。在编制财务预算或业务预算的过程中,通常预算的所有数据都是按月...
- 常用数据工具去重方法_数据去重公式
-
在数据处理中,去除重复数据是确保数据质量和分析准确性的关键步骤。特别是在处理多列数据时,保留唯一值组合能够有效清理数据集,避免冗余信息对分析结果的干扰。不同的工具和编程语言提供了多种方法来实现多列去重...
- Python教程(四十):PyTorch深度学习-动态计算图
-
今日目标o理解PyTorch的基本概念和动态计算图o掌握PyTorch张量操作和自动求导o学会构建神经网络模型o了解PyTorch的高级特性o掌握模型训练和部署PyTorch概述PyTorc...
- 一周热门
- 最近发表
- 标签列表
-
- ps图案在哪里 (33)
- super().__init__ (33)
- python 获取日期 (34)
- 0xa (36)
- super().__init__()详解 (33)
- python安装包在哪里找 (33)
- linux查看python版本信息 (35)
- python怎么改成中文 (35)
- php文件怎么在浏览器运行 (33)
- eval在python中的意思 (33)
- python安装opencv库 (35)
- python div (34)
- sticky css (33)
- python中random.randint()函数 (34)
- python去掉字符串中的指定字符 (33)
- python入门经典100题 (34)
- anaconda安装路径 (34)
- yield和return的区别 (33)
- 1到10的阶乘之和是多少 (35)
- python安装sklearn库 (33)
- dom和bom区别 (33)
- js 替换指定位置的字符 (33)
- python判断元素是否存在 (33)
- sorted key (33)
- shutil.copy() (33)