Net::SFTP 技术文档
2024-12-23 21:04:48作者:咎岭娴Homer
1. 安装指南
首先,确保您的系统中已经安装了Net::SSH 2库。接下来,可以通过以下方式安装Net::SFTP:
gem install net-sftp
如果您需要验证安装的代码未被篡改,建议您验证签名。为此,您需要将公钥添加为受信任的证书(只需执行一次):
# 下载公钥
curl -O https://raw.githubusercontent.com/net-ssh/net-sftp/master/net-sftp-public_cert.pem
# 将公钥添加为受信任的证书
gem cert --add net-sftp-public_cert.pem
之后,使用高安全级别安装gem:
gem install net-sftp -P HighSecurity
如果您不添加公钥,将看到类似"Couldn't verify data signature"的错误。
或者,如果您希望不使用Rubygems进行安装,可以按照以下步骤操作:
# 解压文件
tar xzf net-ssh-*.tgz
# 进入解压后的目录
cd net-ssh-*
# 配置和安装
ruby setup.rb config
ruby setup.rb install
2. 项目的使用说明
Net::SFTP是一个纯Ruby实现的SFTP协议(特别是SFTP协议的版本1到6)。这是一个“安全文件传输协议”,通常在SSH连接上运行,与FTP协议无关。
以下是Net::SFTP的基本使用方法:
require 'net/sftp'
Net::SFTP.start('host', 'username', :password => 'password') do |sftp|
# 上传文件或目录到远程主机
sftp.upload!("/path/to/local", "/path/to/remote")
# 从远程主机下载文件或目录
sftp.download!("/path/to/remote", "/path/to/local")
# 直接从远程主机获取数据到缓冲区
data = sftp.download!("/path/to/remote")
# 打开并写入远程文件的伪IO
sftp.file.open("/path/to/remote", "w") do |f|
f.puts "Hello, world!\n"
end
# 打开并从远程文件读取伪IO
sftp.file.open("/path/to/remote", "r") do |f|
puts f.gets
end
# 创建一个目录
sftp.mkdir! "/path/to/directory"
# 列出目录中的条目
sftp.dir.foreach("/path/to/directory") do |entry|
puts entry.longname
end
end
3. 项目API使用文档
Net::SFTP提供的API使得文件和目录的操作变得简单。以下是一些主要的API方法:
Net::SFTP.start(host, user, options):启动SFTP会话。upload!(local_path, remote_path):上传本地文件到远程。download!(remote_path, local_path):从远程下载文件到本地。file.open(path, mode):打开远程文件进行读写。mkdir!(path):在远程创建目录。dir.foreach(path):遍历远程目录。
更多API详细信息,请参考官方文档。
4. 项目安装方式
项目的安装方式已在“安装指南”部分详述。您可以通过Rubygems或手动安装的方式进行安装。确保遵循上述步骤以确保正确安装并验证签名。
登录后查看全文
热门项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。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-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。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
项目优选
收起
deepin linux kernel
C
24
7
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
321
2.74 K
仓颉编译器源码及 cjdb 调试工具。
C++
124
851
Ascend Extension for PyTorch
Python
157
178
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++
640
249
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
244
86
暂无简介
Dart
608
136
React Native鸿蒙化仓库
JavaScript
239
311
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
1.03 K
470
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
364
3.03 K