innoextract 技术文档
本文档旨在帮助用户安装和使用 innoextract 工具,详细介绍了安装指南、使用说明以及项目 API 使用文档。
1. 安装指南
依赖关系
在安装 innoextract 之前,需要确保以下依赖项已正确安装:
对于 Boost,需要其头文件以及 iostreams
、filesystem
、date_time
、system
和 program_options
库。较旧的 Boost 版本可能也可以工作,但不受官方支持。boost::iostreams
库需要与 zlib 和 bzip2 支持一起构建。
虽然可以手动设置 -DUSE_LZMA=OFF
来禁用 liblzma,但强烈建议不要这样做,因为没有它,将无法提取大多数使用较新 Inno Setup 版本创建的安装程序。
此外,构建 innoextract 还需要 CMake 2.8 和一个工作正常的 C++ 编译器,以及 liblzma 和 Boost 的开发头文件。
编译与安装
要编译 innoextract,请运行以下命令:
mkdir -p build && cd build
cmake ..
make
要将二进制文件系统范围安装,请以 root 用户身份运行以下命令:
make install
默认构建设置适用于普通用户。如果您计划对 Arx Libertatis 进行更改,应在 cmake
命令后添加 -DDEVELOPER=1
选项,以启用调试输出和快速增量构建。
2. 使用说明
innoextract 工具用于提取 Inno Setup 创建的安装程序,而无需在非 Windows 系统上运行实际的安装程序。要提取一个安装文件到当前目录,请运行:
innoextract <file>
要获取 innoextract 的可用选项列表,请运行:
innoextract --help
文档还以手册页的形式提供:
man 1 innoextract
3. 项目 API 使用文档
innoextract 的 API 使用文档目前不提供,因为它主要是作为一个命令行工具使用,而不是一个库。
4. 项目安装方式
innoextract 的安装方式已在“安装指南”部分详细说明。以下是简要步骤:
- 确保所有依赖项已安装。
- 创建构建目录并进入。
- 使用
cmake
配置项目。 - 运行
make
命令编译项目。 - 使用
make install
命令安装编译后的二进制文件。
请按照上述指南进行操作,以成功安装和使用 innoextract。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~059CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。07GOT-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。00openHiTLS
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!C0381- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









