在 macOS 上打包 Windows EXE 的好办法：用 GitHub Actions 自动编译

Fri, 15 May 2026 12:00:00 +0800

如果你平时在 macOS 上写 Python 脚本、桌面小工具或命令行工具，最后却要发给 Windows 用户使用，最容易遇到的问题就是：我能不能直接在 Mac 上打包出 .exe？

结论先说清楚：不建议在 macOS 本机强行交叉打包 Windows EXE。更稳的办法是把代码推到 GitHub，让 GitHub Actions 在 Windows 环境里自动打包。

这篇文章按使用教程来写，从准备项目、创建 workflow、触发构建、下载产物，到常见问题排查，完整走一遍。

总览：为什么要用 GitHub Actions 打包 EXE

PyInstaller 这类打包工具通常不是“万能交叉编译器”。也就是说：

要打 Windows .exe，最好在 Windows 上运行打包命令。
要打 macOS 应用，就在 macOS 上打。
要打 Linux 可执行文件，就在 Linux 上打。

这不是 GitHub Actions 的特殊限制，而是很多 Python 原生依赖、动态库、运行时文件和系统 API 都跟目标操作系统绑定。你在 macOS 上直接打包，得到的通常是 macOS 可执行文件，而不是 Windows 真正可用的 .exe。

GitHub Actions 的思路是：

macOS 本地开发
 -> git push 到 GitHub
 -> GitHub Actions 启动 Windows Runner
 -> 安装 Python 和依赖
 -> 执行 PyInstaller
 -> 上传 exe 产物
 -> 在 Actions 页面下载

这样做的好处是：

RapidOCR 入门：英文 OCR 识别、常规测评与使用注意事项

Wed, 06 May 2026 11:17:28 +0800

OCR 这类工具最容易被误用：看起来只要把图片丢进去就能得到文字，但真正放到项目里时，还会遇到图片质量、方向、字体、语言、速度、批量处理和错误纠正等问题。本文以一个最小的 RapidOCR 英文识别项目为例，整理它适合做什么、怎么跑起来、怎么做常规测评，以及使用时需要注意哪些细节。

本文不是完整排行榜式横向评测，而是偏工程落地的使用说明：先让脚本能稳定运行，再用一组可复现的指标判断它是否满足当前业务。

RapidOCR 是什么

RapidOCR 可以理解为一个轻量级 OCR 推理方案。当前示例项目使用的是 rapidocr-onnxruntime==1.2.3，底层通过 ONNX Runtime 执行 OCR 模型推理，典型链路包括：

文本检测：先在图片中找出可能包含文字的区域。
方向分类：判断文本是否需要旋转或方向修正。
文本识别：对检测出来的文字区域逐行识别。
结果整理：输出文本框、文字内容和置信度等结果。

在这个项目里，我们只保留最常用的输出：把图片中的文字逐行打印出来。它适合做轻量脚本、批处理、小工具、后台任务，也适合在正式接入大系统前做 OCR 方案验证。

适用场景

RapidOCR 更适合这些场景：

识别清晰图片里的英文、数字、短标签、票据字段、车牌周边信息等。
在本地或服务器上离线运行，不想依赖外部 OCR API。
希望用 Python 快速接入，先验证效果，再决定是否封装成服务。
对部署体积、调用方式、推理依赖有一定要求，希望用 ONNX Runtime 这类通用推理后端。

它不太适合直接裸用在这些场景：

图片严重模糊、过曝、反光、压缩严重。
版面复杂，需要结构化还原表格、段落、字段层级。
需要极高准确率的财务、证件、合同等强校验场景。
需要直接理解语义，而不只是把图片转成文字。

这些场景不是不能做，而是要加预处理、后处理、规则校验，甚至引入专门模型或人工复核流程。

最小项目结构

当前项目可以保持很简单：

rapidOCR/
├── README.md
├── ocr.py
├── IMG_20260506_110642.jpg
├── IMG_20260506_110656.jpg
└── venv/

核心脚本 ocr.py 的职责很清楚：接收一张图片路径，调用 RapidOCR，然后把识别出的每行文字打印出来。

import argparse
from rapidocr_onnxruntime import RapidOCR


def main():
 parser = argparse.ArgumentParser(description="OCR text recognition using RapidOCR")
 parser.add_argument("--input", required=True, help="Path to input image file")
 args = parser.parse_args()

 engine = RapidOCR()
 result, _ = engine(args.input)

 if not result:
 print("No text detected.")
 return

 for line in result:
 print(line[1])


if __name__ == "__main__":
 main()