如何用xnbcli轻松搞定《星露谷物语》XNB文件:新手必备的免费解包工具
xnbcli是一款专为《星露谷物语》玩家设计的免费命令行工具,能够快速实现XNB文件的打包与解包操作。无论是修改游戏资源还是制作个性化MOD,这款轻量级工具都能帮你轻松搞定文件格式转换,让游戏定制变得简单高效。
📌 为什么选择xnbcli?三大核心优势
✅ 专为《星露谷物语》优化
作为针对该游戏开发的专用工具,xnbcli完美支持所有LZX压缩格式的XNB文件,包括纹理、音频和字体资源。无需担心兼容性问题,让MOD制作过程更顺畅。
✅ 极简操作流程
告别复杂的命令参数,通过预设脚本实现"一键操作":
- 解包:将文件放入
packed文件夹 → 运行对应脚本 - 打包:编辑后文件放入
unpacked文件夹 → 运行对应脚本 全平台支持Windows(.bat)、macOS(.command)和Linux(.sh)系统。
✅ 开源免费无广告
遵循GNU LGPL v3.0开源协议,代码完全透明可审计。无任何隐藏收费项,开发者和普通玩家都能自由使用和二次开发。
🚀 3分钟快速上手:从安装到使用
1️⃣ 环境准备(新手必看)
- 安装Node.js:访问官网下载对应系统版本,这是运行工具的基础环境
- Python依赖(Windows用户):
打开命令提示符输入:npm i --g --production windows-build-tools - 获取工具:
git clone https://gitcode.com/gh_mirrors/xn/xnbcli
或直接下载项目压缩包解压
2️⃣ 核心操作演示
📦 解包XNB文件步骤
- 将游戏原文件(如
Content/Characters目录下的XNB文件)复制到项目的packed文件夹 - 根据系统双击运行:
- Windows:
unpack.bat - macOS:
unpack.command - Linux:终端执行
sh unpack.sh
- Windows:
- 解压后的文件会自动生成到
unpacked目录,可直接用记事本或专业工具编辑
📤 打包修改后的文件
- 将编辑好的文件(保持原目录结构)放入
unpacked文件夹 - 运行对应打包脚本:
pack.bat/pack.command/pack.sh - 生成的XNB文件会保存在
packed目录,可直接替换游戏原文件使用
3️⃣ 高级终端命令(进阶玩家)
在项目根目录打开终端,使用以下命令实现自定义路径操作:
node xnbcli.js unpack [输入路径] [输出路径]
node xnbcli.js pack [输入路径] [输出路径]
例如:node xnbcli.js unpack ./myfiles ./output
🔍 常见问题解决指南
❓ 运行脚本无反应?
检查Node.js是否正确安装:终端输入node -v能显示版本号即正常。若提示"命令不存在",需重新安装并勾选"添加到环境变量"选项。
❓ 解压后出现乱码文件?
这通常是因为处理非《星露谷物语》的XNB文件导致。目前工具仅完美支持游戏原版资源,第三方MOD文件可能需要额外处理。
❓ 打包后游戏加载失败?
- 确保修改后的文件格式与原文件一致(如图片尺寸、音频编码)
- 检查
unpacked文件夹内是否保持原始目录结构
🛠️ 开发者资源
项目采用模块化架构设计,核心功能实现位于以下目录:
- XNB文件处理:
app/Xnb/ - 压缩算法实现:
app/Presser/ - 音频处理模块:
app/Xact/
开发文档可通过npm run doc生成,更多技术细节参见项目README.md。
📝 写在最后
xnbcli虽然是命令行工具,但通过预设脚本极大降低了使用门槛。无论是想简单修改游戏字体,还是制作复杂的角色外观MOD,这款工具都能成为你的得力助手。目前项目仍在持续更新,欢迎通过提交issue或PR参与贡献!
提示:修改游戏文件前建议做好备份,避免影响原始游戏体验。所有MOD制作请遵守游戏开发者的使用条款。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00