Exe合并压缩：将dll等文件依赖压缩到一个exe中
- 1. 背景
- 2. 压缩方法
- 3. 配置自解压（SFX）选项
- 4. 执行新的exe
- 博主热门文章推荐：
1. 背景
如果exe对某些dll有依赖，并且dll无法打包进原始exe时（比如没有该exe的工程源码，或者懒得搭建一套 VS或Python环境），可以优化将exe文件和依赖的dll文件合并成一个最终的release.exe，
通常的简便做法是直接将exe与dll放入同一目录下作为软件发布，但是相关dll依赖会直接暴露出来，并且不方便迁移
压缩合并的优点是在不同机器调用只需一个exe，而不需要在同目录放入相关dll，有一个缺点是加载速度会比直接调用dll慢一些（因为启动前需要解压）
除了Dll文件依赖，任何exe有关的文件，比如icon、binary等，都可以通过这个方式打包到一个exe中
2. 压缩方法
这类压缩打包方法有很多，这里介绍利用WinRAR来压缩打包的方法：
- 下载WinRAR：https://www.win-rar.com/
或者也可以用国内一些类似压缩软件，
- 下载后，选中exe和相关的依赖文件，（原始 .exe 与相关dll文件放在同一目录下）
- 右键winRAR选择 “Add to archive”：添加到压缩文件中：
3. 配置自解压（SFX）选项
在弹出来的压缩选项中，进行如下配置：
- 选中自解压文件 SFX (SelF-eXtracting) ，设置一个新的exe文件名，比如Release.exe
- 在Advance选项中，选中SFX options 高级自解压选项
4. 执行新的exe
点击确定后， 会在目录下生成合并后的Release.exe, 即可放到任何PC或者目录执行
原理：当双击运行新生成的Release.exe时，会生成一个临时文件夹，将所有的内容解压，并运行setup配置的.exe。当关闭程序时，这个临时文件夹就会删除。
该临时文件夹一般默认在C:\Users\xxx\AppData\Local\Temp\RarSFX0 目录。。
当然如果有工程源码，还是推荐通过工程方式打包到一个exe中，
比如Python通过PyInstaller 将DLL文件直接打包进exe， 可参考: https://howiexue.blog.csdn.net/article/details/129372320
博主热门文章推荐：
一篇读懂系列：
- 一篇读懂无线充电技术（附方案选型及原理分析）
- 一篇读懂：Android/iOS手机如何通过音频接口（耳机孔）与外设通信
- 一篇读懂：Android手机如何通过USB接口与外设通信（附原理分析及方案选型）
LoRa Mesh系列：
- LoRa学习：LoRa关键参数（扩频因子，编码率，带宽）的设定及解释
- LoRa学习：信道占用检测原理（CAD）
- LoRa/FSK 无线频谱波形分析（频谱分析仪测试LoRa/FSK带宽、功率、频率误差等）
网络安全系列：
- ATECC508A芯片开发笔记（一）：初识加密芯片
- SHA/HMAC/AES-CBC/CTR 算法执行效率及RAM消耗 测试结果
- 常见加密/签名/哈希算法性能比较 (多平台 AES/DES, DH, ECDSA, RSA等)
- AES加解密效率测试（纯软件AES128/256）–以嵌入式Cortex-M0与M3 平台为例
嵌入式开发系列：
- 嵌入式学习中较好的练手项目和课题整理（附代码资料、学习视频和嵌入式学习规划）
- IAR调试使用技巧汇总：数据断点、CallStack、设置堆栈、查看栈使用和栈深度、Memory、Set Next Statement等
- Linux内核编译配置（Menuconfig）、制作文件系统 详细步骤
- Android底层调用C代码（JNI实现）
- 树莓派到手第一步：上电启动、安装中文字体、虚拟键盘、开启SSH等
- Android/Linux设备有线&无线 双网共存（同时上内、外网）
AI / 机器学习系列：
- AI: 机器学习必须懂的几个术语：Lable、Feature、Model…
- AI：卷积神经网络CNN 解决过拟合的方法 （Overcome Overfitting）
- AI: 什么是机器学习的数据清洗（Data Cleaning）
- AI: 机器学习的模型是如何训练的？（在试错中学习）
- 数据可视化：TensorboardX安装及使用（安装测试+实例演示）
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
