数据的“搬运工”还是“加工者”？这个问题最近像根刺一样扎在脑子里。今天给客户演示，对方看完我那个爬虫工具自动导出的 Excel 表格，轻飘飘来了一句：“Flovico，你这工具是不错，省了我们手动复制粘贴，但……这数据格式乱七八糟的，我们还得花人力去清洗啊。” 那一刻我脸上堆着笑，心里那根刺又往里钻了钻。
回来盯着电脑，看着那堆用 PyQt5 写的界面代码，突然觉得之前的路子走窄了。光把数据从 A 点搬到 B 点，这价值太薄了，薄到客户觉得你只是个高级点的“复制粘贴”工具。必须得加料，得变成“加工者”。我决定彻底重构，在数据导出前，硬塞进去清洗模块和可视化图表生成。清洗就搞规则引擎，让用户能自定义正则匹配、字段拆分合并；可视化先用 Matplotlib 顶住，生成 PNG 直接嵌到报告里。想法很美好，但第一步就卡死在打包上。
打包，Windows 端的打包，简直是 Python 开发者的噩梦。之前用 PyInstaller，一个简单的爬虫脚本打包出来就 200 多 MB，客户那边老机器打开慢得要死。现在加了 Pandas、NumPy、Matplotlib 这一套，好家伙，直接奔着 500MB 去了。这哪是发软件，这是发个安装包过去考验客户耐心和硬盘容量。不行，必须瘦身。
开始死磕。先是换方案，试了 Nuitka，编译过程漫长，对 PyQt5 的兼容性玄学，折腾两天生成的可执行文件直接报错，放弃。回到 PyInstaller，研究它的钩子（hook）和 spec 文件。得手动排除不必要的库。进虚拟环境，用 pip list 一个个看，什么 debug 库、测试库，全干掉。但 Matplotlib 是体积大头，它自带一整套后端和字体文件。查文档，发现可以用 `–exclude-module` 去掉用不到的后端，比如 TkAgg 我用 PyQt5，就只留 Qt5Agg。字体文件更坑，默认带了好几十兆，我其实只需要基础英文字体，于是写钩子脚本，在打包过程中动态删除 matplotlib 数据目录下的非必要字体文件。
这还没完。最恶心的是依赖树。PyInstaller 会一股脑把依赖的依赖全扫进去。比如 Pandas 依赖了 NumPy，NumPy 又带了一堆 .dll 和 .pyx 文件。我甚至开始手动审查 PyInstaller 生成的 Analysis 对象里的 `pure` 列表，像排雷一样把疑似不必要的模块注释掉，然后打包、测试、看会不会崩溃。循环了不下二十次。中间有一次，为了省几兆空间，把一个看似没用的 `scipy` 子模块排除了，结果程序运行到某个数据插值函数时直接闪退，查了半天日志才定位回来。
体积从 500MB 降到 280MB，还是不满意。又想到用 UPX 压缩，但 Windows Defender 老是误报，给客户添麻烦，只能作罢。最后祭出终极大招：换 Python 版本。从 3.7 降到 3.6，一些库的依赖会轻量一点，同时启用 PyInstaller 的 `–onefile` 压缩选项。最终，一个包含了数据爬取、规则清洗、图表生成的桌面软件，控制在了 190MB 左右。虽然还是大，但已经是极限了。
打包这破事，耗了我整整四天。这四天没碰业务，没管团队里那几个等着我定方案的小朋友，就对着命令行和报错信息较劲。值吗？现在看，可能不值，时间成本太高。但往深了想，如果我不啃下这个打包的硬骨头，客户拿到一个巨无霸软件，第一印象就崩了，后面什么数据加工、价值溢价都是空谈。SaaS 的闭环，第一步是交付物得像个“产品”，而不是一个实验室玩具。从“搬运工”到“加工者”，技术上的每一道坎，都是溢价路上必须填平的坑。团队那边催进度的消息又闪起来了，妈的，当老板比当码农累多了，心累。
