iOS-Weekly 项目推荐:Swift 实现的 macOS 命令行工具 rmtrash
在 macOS 系统中,rm 命令是一个常用的文件删除工具,但它有一个明显的缺点:删除的文件会直接从系统中消失,无法恢复。为了解决这个问题,开发者们通常会寻找替代方案,将文件移动到废纸篓而不是永久删除。今天我们要介绍的就是一个基于 Swift 实现的 rm 命令替代工具——rmtrash。
rmtrash 是一个开源的命令行工具,它的主要功能是将文件移动到 macOS 的废纸篓而不是直接删除。这个工具特别适合那些希望在删除文件时保留恢复可能性的用户。与系统自带的 rm 命令相比,rmtrash 提供了更安全、更人性化的文件删除方式。
目前 Homebrew 上有两个类似的工具:一个是 Objective-C 版本的 trash,另一个是 Swift 版本的 macos-trash。然而,这两个项目分别已经有 6 年和 2 年没有更新了,而且都存在一些不足之处。trash 没有采用最新的废纸篓 API,而 macos-trash 的实现又过于简单,缺乏对 rm 命令标志位的完整支持。
rmtrash 的优势在于它完全兼容 Linux 和 macOS 版本的 rm 命令标志位。这意味着用户可以像使用原生 rm 命令一样使用 rmtrash,而无需改变原有的使用习惯。无论是递归删除目录、强制删除文件,还是交互式删除等操作,rmtrash 都能完美支持。
对于开发者来说,rmtrash 的另一个亮点是它采用了 Swift 语言实现。Swift 作为苹果官方推荐的开发语言,在 macOS 平台上有着天然的优势。使用 Swift 实现不仅保证了工具的性能,也使得代码更易于维护和扩展。
从技术实现角度来看,rmtrash 充分利用了 macOS 系统提供的废纸篓 API,确保文件移动操作的可靠性和兼容性。同时,它还对命令行参数进行了精心设计,确保与标准 rm 命令的参数格式保持一致,降低了用户的学习成本。
对于经常需要在命令行下操作文件的 macOS 用户来说,rmtrash 是一个非常实用的工具。它既保留了 rm 命令的灵活性,又增加了文件恢复的可能性,可以说是两全其美的解决方案。特别是对于那些经常误删重要文件的用户,使用 rmtrash 可以大大降低数据丢失的风险。
值得一提的是,rmtrash 的作者正在努力将其发布到 Homebrew 的核心仓库中。这不仅能方便更多用户安装使用,也代表着这个工具的质量得到了社区的认可。对于关注 macOS 命令行工具开发的开发者来说,rmtrash 的代码也值得研究,可以学习到如何在 Swift 中实现命令行工具以及与系统 API 的交互。
总的来说,rmtrash 是一个设计精良、实用性强的 macOS 命令行工具,它完美地填补了系统 rm 命令在安全性方面的不足,是每个注重数据安全的 macOS 用户都应该考虑使用的工具。
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 StartedRust0152- 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