3分钟搞定!drawio-desktop Linux构建全攻略:AppImage与deb包一键生成
你是否还在为找不到合适的流程图工具而烦恼?是否想在Linux系统中离线使用draw.io的强大功能?本文将带你一步到位,从源码构建到生成可安装包,全程实操,无需复杂配置,让你轻松拥有属于自己的drawio-desktop应用。读完本文,你将掌握AppImage和deb包的构建方法,解决Linux环境下的安装难题。
项目简介
drawio-desktop是一款基于Electron框架的桌面端 diagramming 应用,它封装了核心的 draw.io 编辑器,支持离线使用,所有图表数据均存储在本地,确保数据安全。项目遵循Apache 2.0开源协议,可免费用于任何用途。
官方文档:README.md
开发指南:DEVELOPMENT.md
环境准备
在开始构建之前,请确保你的Linux系统已安装以下依赖:
- Node.js (建议v14及以上版本)
- npm 或 yarn
- git
通过以下命令克隆项目仓库:
git clone --recursive https://gitcode.com/GitHub_Trending/dr/drawio-desktop.git
cd drawio-desktop
构建配置解析
项目使用electron-builder进行打包,Linux平台的构建配置主要在electron-builder-linux-mac.json文件中定义。该配置文件指定了构建目标、输出格式、应用元数据等关键信息。
主要配置项说明:
- target: 定义了Linux平台的构建目标,包括AppImage、deb和rpm三种格式
- arch: 支持x64和arm64两种架构
- executableName: 指定可执行文件名为"drawio"
- category: 应用分类为"Graphics"
- icon: 指定应用图标路径为"./build"
AppImage构建步骤
AppImage是一种跨发行版的Linux应用格式,无需安装即可运行。执行以下命令生成AppImage包:
# 安装依赖
npm install
# 构建AppImage
npm run dist -- -c electron-builder-linux-mac.json --linux AppImage
构建完成后,AppImage文件将生成在dist/目录下,文件名格式为draw.io-x64-<version>.AppImage(x64架构)或draw.io-arm64-<version>.AppImage(arm64架构)。
deb包构建步骤
deb包是Debian及其衍生系统(如Ubuntu)的标准安装包格式。执行以下命令生成deb包:
# 构建deb包
npm run dist -- -c electron-builder-linux-mac.json --linux deb
构建完成后,deb包将生成在dist/目录下,文件名格式为draw.io_<version>_amd64.deb(x64架构)或draw.io_<version>_arm64.deb(arm64架构)。
安装deb包的命令:
sudo dpkg -i draw.io_<version>_amd64.deb
构建常见问题解决
-
依赖缺失:如果构建过程中提示缺少某些系统库,可根据错误信息安装相应的开发包(通常以
-dev或-devel结尾)。 -
权限问题:确保当前用户对项目目录有读写权限,避免使用sudo执行npm命令。
-
网络问题:npm install过程中可能因网络原因导致依赖安装失败,可配置npm镜像源或使用yarn替代npm。
总结与展望
通过本文介绍的方法,你可以轻松构建drawio-desktop的AppImage和deb包,满足不同Linux发行版的使用需求。项目的构建流程设计简洁,通过electron-builder实现了跨平台打包,大大简化了开发者的工作。
未来,drawio-desktop可能会增加更多Linux平台的支持,如Flatpak格式,进一步提升应用的可用性。如果你在构建过程中遇到问题,欢迎查阅项目的SECURITY.md文档或提交issue寻求帮助。
点赞收藏本文,关注作者获取更多开源项目构建教程!下期预告:drawio-desktop Windows平台构建指南。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00
