Bob 项目技术文档
2024-12-25 09:35:51作者:魏侃纯Zoe
1. 安装指南
前提条件
Bob 需要至少 PHP 5.3.2 才能运行。如果你计划对 Bob 进行开发,请确保在 php.ini
中将 phar.readonly
设置为 Off
。否则,你将无法创建 Bob 的 PHAR 包。
安装方式
推荐方式:使用 Composer 安装
- 在你的
composer.json
文件中,将chh/bob
包添加到require-dev
部分:{ "require-dev": { "chh/bob": "1.0.*@dev" } }
- 运行
composer install --dev
安装 Bob。 - 你可以通过以下命令调用 Bob:
或者:php vendor/bin/bob
./vendor/bin/bob
系统级安装(仅适用于类 Unix 系统)
- 下载 Bob 的 [Release][tags] 或通过以下命令克隆仓库:
git clone git://github.com/CHH/bob.git cd Bob
- 下载 Composer 并运行
composer install
安装 Bob 的依赖:wget http://getcomposer.org/composer.phar php composer.phar install
- 运行
php bin/bob install
完成安装。默认情况下,bob
命令会安装在/usr/local/bin
目录下。你可以通过设置PREFIX
环境变量来更改安装路径,命令将安装在$PREFIX/bin
目录下。
2. 项目使用说明
初始化项目
- 在你的项目根目录下运行以下命令,生成一个空的
bob_config.php
文件:php vendor/bin/bob --init
- Bob 会从项目根目录下的
bob_config.php
文件中加载任务。你还可以在bob_tasks
目录中添加其他任务文件,Bob 会自动加载这些文件。
定义任务
- 在
bob_config.php
文件中定义任务。例如,定义一个输出 "Hello World" 的任务:task('hello', function() { println('Hello World'); });
- 通过命令行运行任务:
php vendor/bin/bob hello
- 如果没有指定任务,Bob 会尝试运行
default
任务。你可以通过以下方式将任务设置为默认任务:task('default', array('hello'));
文件任务
文件任务是一种特殊的任务,只有在目标文件不存在或依赖文件比目标文件更新时才会运行。例如,定义一个将多个文件合并为一个文件的任务:
fileTask('concat.txt', array('file1.txt', 'file2.txt', 'file3.txt'), function($task) {
println("Concatenating");
$concat = '';
foreach ($task->prerequisites as $file) {
$concat .= file_get_contents($file);
}
@file_put_contents($task->name, $concat);
});
任务库
你可以将一组任务打包成任务库,以便在多个项目中复用。任务库需要实现 \Bob\TaskLibraryInterface
接口,并在 register
函数中注册任务。
3. 项目 API 使用文档
任务定义
task(string $name, callable $body)
: 定义一个任务。fileTask(string $name, array $prerequisites, callable $body)
: 定义一个文件任务。desc(string $description)
: 为任务添加描述。register(TaskLibraryInterface $library)
: 注册任务库。
任务执行
- 通过命令行运行任务:
php vendor/bin/bob <task_name>
。 - 查看所有任务及其描述:
php vendor/bin/bob --tasks
。
4. 项目安装方式
使用 Composer 安装
- 在
composer.json
中添加chh/bob
包。 - 运行
composer install --dev
。 - 通过
php vendor/bin/bob
调用 Bob。
系统级安装
- 克隆仓库或下载 Release。
- 安装依赖并运行
php bin/bob install
。 - 通过
bob
命令调用 Bob。
热门项目推荐
相关项目推荐
- 国产编程语言蓝皮书《国产编程语言蓝皮书》-编委会工作区011
- nuttxApache NuttX is a mature, real-time embedded operating system (RTOS).C00
- 每日精选项目🔥🔥 01.10日推荐:Resume-Matcher:精准提升你的简历竞争力🔥🔥 每日推荐行业内最新、增长最快的项目,快速了解行业最新热门项目动态~~022
- Cangjie-Examples本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。Cangjie044
- 毕方Talon工具本工具是一个端到端的工具,用于项目的生成IR并自动进行缺陷检测。Python039
- PDFMathTranslatePDF scientific paper translation with preserved formats - 基于 AI 完整保留排版的 PDF 文档全文双语翻译,支持 Google/DeepL/Ollama/OpenAI 等服务,提供 CLI/GUI/DockerPython05
- mybatis-plusmybatis 增强工具包,简化 CRUD 操作。 文档 http://baomidou.com 低代码组件库 http://aizuda.comJava03
- advanced-javaAdvanced-Java是一个Java进阶教程,适合用于学习Java高级特性和编程技巧。特点:内容深入、实例丰富、适合进阶学习。JavaScript0107
- taro开放式跨端跨框架解决方案,支持使用 React/Vue/Nerv 等框架来开发微信/京东/百度/支付宝/字节跳动/ QQ 小程序/H5/React Native 等应用。 https://taro.zone/TypeScript09
- Yi-CoderYi Coder 编程模型,小而强大的编程助手HTML012
热门内容推荐
最新内容推荐
探索Django-db-utils的实战应用:三个案例的深度剖析 《 timezone-picker 开源项目实战解析:多样化应用场景下的价值挖掘 》 探索Lastuser开源项目的实际应用 《Python-binary-memcached应用实战解析》 《VHS-Teletext开源项目:让历史信号重获新生》 深入探索mrepo:打造企业级RPM仓库的实战案例 《探索simplenote.py:开源项目在效率提升中的实战案例》 《zest.releaser:自动化Python项目发布的实用工具》 《Inkscape-unicorn:开源绘图工具的实用案例解析》 《 Bartendro:自动饮品调配机器人的开源应用案例分享 》
项目优选
收起
国产编程语言蓝皮书
《国产编程语言蓝皮书》-编委会工作区
46
11
Cangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
192
44
openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
52
41
open-eBackup
open-eBackup是一款开源备份软件,采用集群高扩展架构,通过应用备份通用框架、并行备份等技术,为主流数据库、虚拟化、文件系统、大数据等应用提供E2E的数据备份、恢复等能力,帮助用户实现关键数据高效保护。
HTML
84
58
HarmonyOS-Examples
本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
264
68
RuoYi-Vue
🎉 基于SpringBoot,Spring Security,JWT,Vue & Element 的前后端分离权限管理系统,同时提供了 Vue3 的版本
Java
168
39
RuoYi-Cloud-Vue3
🎉 基于Spring Boot、Spring Cloud & Alibaba、Vue3 & Vite、Element Plus的分布式前后端分离微服务架构权限管理系统
Vue
31
22
CangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
896
0
MateChat
前端智能化场景解决方案UI库,轻松构建你的AI应用,我们将持续完善更新,欢迎你的使用与建议。
官网地址:https://matechat.gitcode.com
133
12
强化学习
强化学习项目包含常用的单智能体强化学习算法,目标是打造成最完备的单智能体强化学习算法库,目前已有算法Q-Learning、Sarsa、DQN、Policy Gradient、REINFORCE等,持续更新补充中。
Python
19
0