Fastfetch 自定义用户和主机名显示技巧
2025-05-17 14:15:18作者:乔或婵
背景介绍
Fastfetch 是一款现代化的系统信息获取工具,类似于 Neofetch,但性能更高。在实际使用中,用户有时需要自定义显示的用户名和主机名信息,这可能是出于隐私保护或个性化展示的需求。
自定义用户名显示方法
在 Fastfetch 中,可以通过环境变量临时覆盖系统检测到的用户名:
USER=自定义用户名 fastfetch
这种方法简单直接,适合临时使用。如果需要长期使用这个自定义用户名,可以考虑将其添加到 shell 配置文件中作为别名:
alias myfetch='USER=自定义用户名 fastfetch'
高级自定义显示方案
对于需要更复杂自定义显示效果的用户,可以通过修改 title 模块的格式字符串来实现:
{
"type": "title",
"format": "\u001b[38;5;39m\u001b[1m自定义用户名\u001b[0m{7}{8}"
}
这个配置中:
\u001b[38;5;39m设置文本颜色\u001b[1m设置文本为粗体\u001b[0m重置文本样式{7}显示"@"符号{8}显示主机名
技术原理
Fastfetch 默认会从系统环境中获取用户名和主机名信息。通过环境变量覆盖的方式,我们实际上是在命令执行前临时修改了环境变量,从而影响程序的检测结果。
而通过修改 title 模块的格式字符串,则是利用了 Fastfetch 强大的格式化功能,直接指定要显示的内容。其中:
\u001b是 JSON 中表示 ANSI 转义序列的方式- 数字编号如 {7}、{8} 对应 title 模块预定义的字段
应用场景
- 隐私保护:在截图分享时隐藏真实用户名
- 个性化展示:使用昵称而非系统用户名
- 主题一致性:使显示信息与桌面主题配色保持一致
- 演示环境:在演示时使用统一的显示名称
注意事项
- 使用环境变量方式会临时影响所有子进程的环境
- ANSI 颜色代码需要与终端主题兼容
- 复杂的格式字符串可能会影响可读性
- 配置变更后建议验证显示效果
通过以上方法,用户可以灵活控制 Fastfetch 显示的用户名和主机名信息,满足不同场景下的需求。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
672
157
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++
662
313
React Native鸿蒙化仓库
JavaScript
262
323
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
135
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218