Python文件类型大全：从.py到.pyd，你见过几种？

2025-11-17

👉 项目官网：https://www.python-office.com/ 👈

👉 本开源项目的交流群 👈

大家好，我是程序员晚枫。

最近有了AI编程，Python的热度降低了，我也终于有时间关注一直感兴趣的Python话题，而不是回答Python怎么安装这种入门问题了。

我对于Python兴趣的探索，主要基于两本书：《流畅的Python》、《Python高性能编程》。越深入了解Python高级语法，越能深入理解这门语言设计的精妙之处。

今天我们来聊聊Python世界中那些形形色色的文件类型。

作为一个Python开发者，你肯定经常跟.py文件打交道。但Python生态中其实还有很多其他重要的文件类型，每种都有其独特的用途。

📁 Python核心文件类型

文件类型	主要用途	是否可读	生成方式
.py	Python源代码	✅ 是	手动创建
.pyc	编译后的字节码	❌ 否	Python自动生成
.pyo	优化后的字节码	❌ 否	Python带-O参数生成
.pyd	Windows动态链接库	❌ 否	Cython/C扩展编译
.so	Linux/Mac动态库	❌ 否	Cython/C扩展编译
.pyw	无控制台Python脚本	✅ 是	手动创建
.pyx	Cython源代码	✅ 是	手动创建

有一些文件类型你可能没见过，有2种原因：

你没有这么复杂的工作场景，例如so文件的使用
部分类型被编辑器给自动屏蔽了，例如：pyc文件

🔧 详细解析

1. .py - Python源代码文件

这是最常见的Python文件，包含人类可读的Python代码。

# hello.py
def greet(name):
    return f"Hello, {name}!"

if __name__ == "__main__":
    print(greet("Python开发者: 程序员晚枫"))

2. .pyc - 编译字节码文件

Python解释器将.py文件编译成字节码，加速后续执行。

生成方式：

1 2	# Python会自动在__pycache__目录生成.pyc文件 python -m py_compile hello.py

文件结构：

位于__pycache__目录
命名格式：hello.cpython-39.pyc
包含Python字节码，不是机器码

3. .pyd - Windows动态链接库

.pyd文件本质上是DLL文件，但可以被Python直接导入。

这种类型，可以理解为java中的jar包格式，可以打包后给别人使用。

创建示例（使用Cython）：

# 安装Cython
pip install cython

# 创建Cython文件
# hello.pyx
def cython_greet(name):
    return f"Hello from Cython, {name}!"

# setup.py
from setuptools import setup
from Cython.Build import cythonize

setup(ext_modules=cythonize("hello.pyx"))

# 编译生成.pyd
python setup.py build_ext --inplace

使用.pyd文件：

1
2
3

# 像普通模块一样导入
import hello
print(hello.cython_greet("程序员晚枫"))

4. .pyx - Cython源代码文件

Cython是Python的超集，允许编写C扩展。

# fastmath.pyx
def fibonacci(int n):
    cdef int i
    cdef double a = 0.0, b = 1.0
    for i in range(n):
        a, b = b, a + b
    return a

5. .pyw - 无控制台脚本

在Windows上，.pyw文件运行时不会显示控制台窗口，适合GUI应用。

# my_app.pyw
import tkinter as tk

root = tk.Tk()
root.title("无控制台应用")
root.mainloop()

📦 包与分发文件

包相关文件

文件类型	用途
init.py	包初始化文件（Python 3.3+可选）
main.py	包作为脚本执行时的入口

分发与安装

文件类型	用途
.whl	Python包的分发格式（wheel）
.egg	旧版包分发格式
setup.py	包安装脚本
setup.cfg	包配置
pyproject.toml	现代包配置
requirements.txt	依赖列表

🛠️ 配置文件类型

项目配置

# pyproject.toml（现代Python项目）
[build-system]
requires = ["setuptools", "wheel"]

[project]
name = "my-project"
version = "0.1.0"

# setup.cfg（传统配置）
[metadata]
name = my-project
version = 0.1.0

# requirements.txt
requests>=2.25.0
pandas>=1.3.0

环境与工具配置

文件类型	用途
.python-version	pyenv版本文件
Pipfile	pipenv依赖管理
Pipfile.lock	依赖锁文件
environment.yml	conda环境配置

🔍 特殊用途文件

1. .pyi - 存根文件

用于类型提示，不包含实现代码。

1
2
3

# math.pyi
def sqrt(x: float) -> float: ...
def pow(x: float, y: float) -> float: ...

2. .pth - 路径配置文件

在Python路径中添加自定义路径。

1
2
3

# my_paths.pth
/home/user/my_python_libs
../relative/path/to/modules

3. .pyz - 自包含应用

包含所有依赖的zip应用。

# 创建.pyz文件
python -m zipapp my_app -o app.pyz

# 运行
python app.pyz

💻 开发工具文件

测试相关

# test_example.py
import pytest

def test_addition():
    assert 1 + 1 == 2

# conftest.py（pytest配置）
import pytest

@pytest.fixture
def sample_data():
    return {"key": "value"}

代码质量

文件类型	用途
.pylintrc	Pylint配置
.flake8	Flake8配置
.coveragerc	测试覆盖率配置
.pre-commit-config.yaml	Git钩子配置

🎯 实际项目示例

一个典型的Python项目结构：

my_project/
├── src/
│   ├── __init__.py
│   ├── main.py
│   └── utils.py
├── tests/
│   ├── __init__.py
│   └── test_main.py
├── docs/
│   └── conf.py
├── .python-version
├── pyproject.toml
├── requirements.txt
├── setup.py
└── README.md

💡 实用技巧

1. 查看.pyc文件内容

1	python -m dis hello.pyc

2. 将Python包编译成.pyd

# 使用Cython批量编译
from Cython.Build import cythonize
from setuptools import setup, Extension

extensions = [
    Extension("my_module", ["my_module.pyx"])
]

setup(ext_modules=cythonize(extensions))

3. 创建专业的分发包

# setup.py
from setuptools import setup, find_packages

setup(
    name="my-package",
    version="1.0.0",
    packages=find_packages(),
    install_requires=[
        "requests>=2.25.0",
    ],
    entry_points={
        'console_scripts': [
            'my-command=my_package.cli:main',
        ],
    },
)

🚀 性能对比：.py vs .pyd

在某些场景下，编译成.pyd可以显著提升性能：

# 性能测试示例
import timeit

# Python版本
def python_fib(n):
    if n <= 1:
        return n
    return python_fib(n-1) + python_fib(n-2)

# Cython编译版本（假设已编译为.pyd）
from cython_fib import cython_fib

# 测试性能
n = 35
python_time = timeit.timeit(lambda: python_fib(n), number=1)
cython_time = timeit.timeit(lambda: cython_fib(n), number=1)

print(f"Python: {python_time:.2f}s")
print(f"Cython: {cython_time:.2f}s")
print(f"加速比: {python_time/cython_time:.1f}x")