如何让你的Python应用程序分发变得很容易?
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
q -H -O -b -d "," "select * from iris.csv limit 10"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]，🙏🙏🙏！