PyInstaller 打包 PaddleOCR 应用瘦身实录：从 779MB 到 292MB

前言：最近用 PyQt6 + PaddleOCR 做了一个离线合同生成器（OCR 识别需方抬头、Excel 导入明细、自动编号、导出 PDF），功能跑通后用 PyInstaller 打包 EXE，结果 dist 目录 779MB——一个"填表工具"比Photoshop 还大。本文记录我是怎么定位脂肪来源、安全地砍到 292MB，且 OCR 功能毫发无损的。

一、肥从哪来：先量化，再动刀

瘦身第一原则：不要凭感觉删，先量出每一块的体积。

跑完一目了然，四大元凶：

二、第一刀：exclude-module 排除假依赖

PyInstaller 会沿 import 链把"可能用到"的包全部打进去。用 spec 文件的 excludes 精确排除：

注意两点：① cv2 不要盲目排除（PaddleOCR 检测模块真需要），后文有替代方案；② 排除后必须全功能回归测试，我第一次排掉了 openpyxl 的一个间接依赖，Excel 导入直接白屏。

三、第二刀：换轻量模型

PaddleOCR 默认可能带 server 级检测/识别模型。换成 mobile 版，单个模型从几十 MB 降到几 MB：

mobile 版对"打印体合同抬头"这类规整文本的识别率与 server 版几乎没有差异——我的场景是识别公司抬头的统一社会信用代码和名称，都是印刷体，实测完全够用。模型精度要跟场景匹配，不要默认越贵越好。

四、第三刀：cv2 的瘦身替代

cv2 的 90MB 里大部分是视频模块、DNN 模块等我用不到的东西。两个选择：

1. 换 opencv-python-headless（去掉 GUI 依赖，省 20MB 左右）；

1. 更激进：预处理只用 PIL/Pillow 实现（缩放、灰度、二值化），把 cv2 从依赖树里整个摘掉——省 90MB，但需要回归验证 OCR 检测效果。

我选了方案 2，实测 PaddleOCR 在 Pillow 预处理后的图像上工作正常。

五、结果与体积清单

功能回归：OCR 抬头识别、Excel 十列明细导入、SLBJ+日期+序号的编号生成、PDF 导出，全部正常。

六、三条经验

1. 先量化再动刀：os.walk 十行代码，比任何"经验之谈"都可靠；

1. excludes 要配回归测试：PyInstaller 的依赖树推断保守，砍之前先跑全功能用例；

1. 模型选型看场景：印刷体识别 mobile 版足够，手写体/复杂版面才需要 server 版——这一刀砍得最没有心理负担。

下一个优化方向是 UPX 压缩和按需下载模型（首启时拉取），预计还能再降 20%，留待下篇。

（完）环境：Windows 10 / Python 3.11 / PyInstaller 6.x / PaddleOCR（PP-OCRv4 mobile）/ 2026-10 实测