【亲测免费】 QuickJS 使用教程
1. 项目介绍
QuickJS 是一个小型且可嵌入的 JavaScript 引擎,由 Fabrice Bellard 开发。它支持 ES2020 规范,包括模块、异步生成器和代理器。QuickJS 的设计目标是轻量级和高性能,适用于嵌入式系统和其他资源受限的环境。
主要特点
- 轻量级: 只需几个 C 文件,没有外部依赖。
- 快速启动: 具有极低的启动时间。
- 支持 ES2020: 包括模块、异步生成器和代理器。
- 可选数学扩展: 支持大整数 (BigInt)、大浮点数 (BigFloat) 以及运算符重载。
2. 项目快速启动
2.1 环境准备
确保你的系统已经安装了 git 和 make。
2.2 下载项目
git clone https://github.com/bellard/quickjs.git
cd quickjs
2.3 编译项目
make
2.4 运行示例
编译完成后,你可以运行一个简单的 JavaScript 脚本:
./qjs examples/hello.js
2.5 编写和运行自己的脚本
创建一个名为 myscript.js 的文件,内容如下:
console.log("Hello, QuickJS!");
然后运行:
./qjs myscript.js
3. 应用案例和最佳实践
3.1 嵌入式系统
QuickJS 因其轻量级和低资源消耗的特点,非常适合嵌入式系统。例如,可以在物联网设备中使用 QuickJS 来执行简单的脚本任务。
3.2 WebAssembly
QuickJS 可以编译为 WebAssembly,使其能够在浏览器中运行。这对于需要在客户端执行 JavaScript 代码的应用非常有用。
3.3 脚本引擎
QuickJS 可以用作应用程序的脚本引擎,允许用户编写和执行自定义脚本。例如,游戏开发中可以使用 QuickJS 来实现游戏逻辑的动态更新。
4. 典型生态项目
4.1 QuickJS-iOS
QuickJS-iOS 是一个在 iOS 平台上使用 QuickJS 的库,允许开发者在 iOS 应用中嵌入和运行 JavaScript 代码。
4.2 QuickJS-Android
QuickJS-Android 是一个在 Android 平台上使用 QuickJS 的库,为 Android 开发者提供了在应用中嵌入 JavaScript 引擎的能力。
4.3 quickjs-rs
quickjs-rs 是一个用 Rust 实现的 QuickJS 绑定库,使得 Rust 开发者可以在项目中使用 QuickJS 引擎。
4.4 quickjspp
quickjspp 是一个用 C++ 实现的 QuickJS 绑定库,为 C++ 开发者提供了在项目中嵌入 QuickJS 引擎的接口。
通过这些生态项目,QuickJS 的应用范围得到了进一步扩展,满足了不同开发者的需求。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0153- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112