Xmake中如何创建虚拟依赖包实现本地库集成
2025-05-22 00:49:34作者:俞予舒Fleming
在项目构建过程中,我们经常需要集成一些本地已安装的库文件,而不是从网络下载安装。Xmake作为一款现代化的构建工具,提供了灵活的方式来实现这一需求。
虚拟包的概念
虚拟包是指那些不需要实际安装,仅用于声明依赖关系的包。这类包通常用于以下几种场景:
- 系统已安装的库文件
- 项目本地提供的第三方库
- 特殊路径下的依赖项
实现方式
Xmake提供了两种主要方式来实现虚拟包的功能:
1. 使用on_fetch创建fetchonly包
通过定义一个包含on_fetch回调的包,我们可以完全控制依赖项的查找逻辑:
package("my_python")
on_fetch(function (package, opt)
return {
links = "python39",
linkdirs = "/usr/local/python39/lib",
includedirs = "/usr/local/python39/include"
}
end)
这种方式下,当其他包依赖my_python时,Xmake会直接使用我们指定的路径信息,而不会尝试安装。
2. 使用set_base和系统查找
Xmake默认会优先查找系统库,我们可以通过set_base结合on_fetch来定制查找规则:
package("my_opengl")
set_base("opengl")
on_fetch(function (package, opt)
-- 自定义查找逻辑
if os.exists("/opt/mylibs/opengl") then
return {
links = {"GL", "GLU"},
linkdirs = "/opt/mylibs/opengl/lib",
includedirs = "/opt/mylibs/opengl/include"
}
end
end)
实际应用示例
假设我们需要使用本地安装的Python来构建pybind11项目:
-- 定义本地Python虚拟包
package("local_python")
on_fetch(function (package, opt)
return {
links = "python3.9",
linkdirs = "D:/dev/python39/libs",
includedirs = "D:/dev/python39/include"
}
end)
-- 在项目中使用
add_requires("pybind11", {deps = "local_python"})
注意事项
- 使用
add_requires("xxx", {system = true})可以强制使用系统库 - 虚拟包不需要实现on_install,因为Xmake找到库后就不会执行安装
- 可以通过return nil让查找失败,从而回退到默认行为
通过这种机制,Xmake提供了极大的灵活性,使得项目可以方便地集成各种特殊位置的依赖库,同时保持构建脚本的简洁性。
登录后查看全文
热门项目推荐
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 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
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
733
4.75 K
Ascend Extension for PyTorch
Python
647
795
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
434
395
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++
1.01 K
1.01 K
Claude 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 Started
Rust
1.18 K
152
deepin linux kernel
C
30
16
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
146
237
暂无简介
Dart
984
252
昇腾LLM分布式训练框架
Python
166
198
🎉 (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
1.68 K
989