【亲测免费】 grim:轻量级Wayland截图工具指南
2026-01-15 16:41:15作者:牧宁李
项目介绍
grim是一款专为Wayland设计的图像捕捉工具,由emersion开发并维护。它允许用户从Wayland compositor中捕获屏幕截图,支持多种操作如全屏抓取、指定输出设备抓图、区域截图乃至选择窗口等。这个MIT许可下的开源项目已经迁移至SourceHrt,但仍可在GitHub上找到其历史档案。
项目快速启动
安装依赖
在开始之前,确保你的系统已安装以下依赖项:
- meson 构建系统
- wayland相关库
- pixman
- libpng
- libjpeg(可选,用于JPEG格式的截图)
编译与安装
-
克隆仓库:
git clone https://github.com/emersion/grim.git -
进入项目目录,并设置构建环境:
cd grim meson build -
编译并安装:
ninja -C build sudo ninja -C build install # 如果想全局安装
或者直接运行编译后的二进制文件位于build/grim。
使用示例
-
全屏截图:
grim -
指定输出设备:
grim -o DP-1.png -
区域截图:
grim -g "10x20+300+400" screenshot.png -
通过Slurp选取区域:
grim -g "$(slurp)" -
截图并复制到剪贴板:
grim - | wl-copy
应用案例与最佳实践
在日常工作中,grim可以与其它Wayland环境下的工具如Swapy或SwayWM结合,实现高效的桌面操作。例如,通过脚本自动化定期截取显示器状态,或是作为自动化测试的一部分来验证GUI的状态。
与Sway整合示例
获取并在当前焦点显示器上截图:
grim -o "$(swaymsg -t get_outputs | jq -r '.[] | select(.focused) | .name')" screenshot.jpg
典型生态项目
虽然grim本身是一个较为独立的工具,但在Wayland生态系统中,它可以与各种窗口管理器如Sway、以及辅助工具如Slurp紧密合作,提供无缝的用户体验。例如,使用Slurp进行可视化选择截图区域,与grim集成,实现了高度用户友好的交互模式。此外,对于开发者而言,grim的简单API和轻量特性也使得它成为集成到定制化桌面环境中的理想选择。
通过上述指导,您可以轻松地开始使用grim进行截图操作,无论是日常办公还是自动化测试,grim都是一个高效且强大的工具。别忘了探索更多的自定义选项和与之搭配使用的其他开源组件,以提升您的效率和体验。
登录后查看全文
热门项目推荐
相关项目推荐
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 StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0117
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
764
4.97 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
678
1.33 K
Ascend Extension for PyTorch
Python
719
876
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
455
437
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++
1.08 K
1.09 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
150
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
302
117
昇腾LLM分布式训练框架
Python
178
220