OSHI项目:跨平台获取已安装应用程序信息的技术实现
2025-06-10 12:00:52作者:俞予舒Fleming
引言
在系统监控和管理工具开发中,获取操作系统上已安装应用程序的详细信息是一个常见需求。OSHI作为一个开源的Java库,专注于提供原生操作系统和硬件信息,近期通过社区贡献实现了跨平台的应用程序信息获取功能。本文将深入解析这一功能的实现原理和技术细节。
功能概述
该功能能够获取操作系统上已安装应用程序的多维度信息,包括但不限于:
- 应用程序名称
- 版本号
- 供应商/开发者信息
- 安装日期
- 安装位置
- 架构兼容性(x86/x64)
- 其他元数据
跨平台实现方案
Windows平台实现
Windows平台主要通过查询注册表来获取应用程序信息,关键注册表路径包括:
- HKLM\Software\Microsoft\Windows\CurrentVersion\Uninstall
- HKLM\Software\WOW6432Node\Microsoft\Windows\CurrentVersion\Uninstall
- HKCU\Software\Microsoft\Windows\CurrentVersion\Uninstall
技术要点:
- 使用JNA库访问Windows注册表API
- 处理32位和64位视图差异(通过KEY_WOW64_32KEY和KEY_WOW64_64KEY标志)
- 解析注册表键值对并映射到统一的数据结构
macOS平台实现
macOS平台通过系统命令system_profiler SPApplicationsDataType获取应用程序信息,解析内容包括:
- 应用程序名称
- 版本号
- 获取来源(App Store/开发者ID等)
- 最后修改日期
- 应用程序类型(Universal/Intel等)
- 签名信息
- 安装位置
Linux平台实现
Linux实现考虑了不同发行版的包管理系统差异:
Debian/Ubuntu系:
- 使用
dpkg-query命令查询已安装软件包 - 解析字段包括:包名、版本、架构、安装大小、维护者等
RHEL/CentOS/Fedora系:
- 使用
rpm命令查询已安装软件包 - 解析字段包括:包名、版本-发布号、架构、大小、打包者等
技术要点:
- 通过检查
/etc/os-release文件确定发行版类型 - 根据发行版选择合适的包管理命令
- 处理不同包管理器的输出格式差异
统一接口设计
为了实现跨平台一致性,设计了一个核心接口:
public interface ApplicationInfo {
String getName();
String getVersion();
String getVendor();
long getInstallDate();
String getInstallLocation();
Map<String,String> getAdditionalInfo();
}
各平台的具体实现类继承此接口,确保API使用方式统一。额外信息通过Map结构提供,保持扩展性。
技术挑战与解决方案
-
32/64位兼容性问题:
- Windows平台需要同时查询32位和64位注册表视图
- 解决方案:使用双重查询策略,合并结果
-
性能优化:
- 减少不必要的系统命令调用
- 缓存查询结果
- 批量处理数据解析
-
数据标准化:
- 不同平台提供的信息字段差异大
- 解决方案:核心字段统一,扩展字段保留原始数据
-
权限处理:
- 某些查询需要管理员权限
- 实现优雅降级机制,部分数据不可获取时不中断流程
实际应用示例
开发者可以简单几行代码获取系统应用信息:
OperatingSystem os = SystemInfo.getCurrentPlatform().getOperatingSystem();
List<ApplicationInfo> apps = os.getInstalledApplications();
apps.forEach(app -> {
System.out.println(app.getName() + " - " + app.getVersion());
});
总结与展望
OSHI通过这一功能扩展了其系统监控能力,为Java开发者提供了便捷的跨平台应用程序信息查询方案。未来可能的改进方向包括:
- 增加更多Linux发行版支持
- 提供应用程序分类信息
- 实现增量更新机制
- 增加应用程序使用统计集成
这一实现展示了OSHI项目如何通过社区协作解决复杂的跨平台系统信息获取问题,为Java生态中的系统监控工具开发提供了有力支持。
登录后查看全文
热门项目推荐
相关项目推荐
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
293
2.62 K
暂无简介
Dart
584
127
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
606
185
deepin linux kernel
C
24
7
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.05 K
610
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
358
2.28 K
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
758
72
Ascend Extension for PyTorch
Python
123
149
仓颉编译器源码及 cjdb 调试工具。
C++
122
417
仓颉编程语言运行时与标准库。
Cangjie
130
430