Evidence项目部署Github Pages时上传构建产物失败的解决方案
2025-06-08 10:35:18作者:盛欣凯Ernestine
在使用Evidence项目进行数据可视化开发时,许多开发者会选择将其部署到Github Pages上。然而,在实际操作过程中,可能会遇到构建产物上传失败的问题,错误提示显示"tar: build/DataViz-for-Indian-Cities: Cannot open: No such file or directory"。
问题现象
当执行Github Actions工作流进行部署时,在"Archive artifact"阶段会出现构建产物无法找到的错误。具体表现为:
- 项目能够成功构建,生成的文件位于"./build"目录
- 但在上传构建产物阶段,系统尝试访问"build/项目名称"路径时失败
- 最终导致部署流程中断
问题根源
这个问题源于Evidence项目的构建输出路径配置与Github Pages部署工作流的预期路径不匹配。Evidence默认会将构建产物输出到项目根目录下的build文件夹中,而部署工作流则尝试在build/项目名称路径下寻找产物。
解决方案
方法一:修改package.json配置
最推荐的解决方案是在package.json文件中明确指定构建路径。在项目的package.json文件中,找到build脚本,添加base路径参数:
"scripts": {
"build": "evidence build --base /项目名称/"
}
这样配置后,Evidence会将构建产物正确地输出到预期的路径下,与Github Pages部署工作流的预期路径匹配。
方法二:调整Github工作流配置
如果不想修改package.json文件,也可以选择调整Github工作流配置。在部署工作流文件中,修改上传构建产物的路径:
- name: Upload artifact
uses: actions/upload-pages-artifact@v3
with:
path: 'build/' # 直接指定build目录而非build/项目名称
这种方法直接改变了工作流查找构建产物的位置,使其与Evidence默认的输出路径一致。
最佳实践建议
- 对于长期维护的项目,建议采用第一种方法,因为这样配置更明确,也便于其他开发者理解项目结构
- 在团队协作环境中,应在项目文档中明确说明构建产物的输出路径
- 部署前可在本地运行构建命令,检查build目录结构是否符合预期
- 对于复杂的项目结构,可以考虑使用Evidence提供的其他构建选项进行更精细的控制
通过以上解决方案,开发者可以顺利解决Evidence项目部署到Github Pages时的构建产物上传问题,确保数据可视化项目能够正常发布和访问。
登录后查看全文
热门项目推荐
相关项目推荐
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
HunyuanVideo-1.5暂无简介00
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
最新内容推荐
IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 咖啡豆识别数据集:AI目标检测在咖啡质量控制中的革命性应用 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
177
195
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++
647
263
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
270
93
暂无简介
Dart
623
140
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
378
3.33 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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