Nokogiri 在 Mac M1 上安装失败的解决方案
问题背景
Nokogiri 是一个广泛使用的 Ruby XML 和 HTML 解析库,但在 Mac M1 设备上安装时可能会遇到编译错误。本文将详细分析一个典型的安装失败案例,并提供解决方案。
错误现象
在 Mac M1 设备上安装 Nokogiri 1.13.10 版本时,用户遇到了编译错误,主要报错信息为:
error: conflicting types for 'gumbo_parse_with_options'
该错误发生在尝试编译 Nokogiri 的 Gumbo 解析器组件时,表明编译器检测到了函数声明冲突。
根本原因分析
通过分析 mkmf.log 文件,我们可以发现几个关键问题:
-
编译器标志冲突:系统配置中包含了
-Wdeprecated-non-prototype标志,这与 Ruby 检测头文件函数的传统方式不兼容。 -
函数声明不匹配:Ruby 的 mkmf 工具尝试以
void gumbo_parse_with_options()形式声明函数,而 Gumbo 头文件中实际定义为GumboOutput* gumbo_parse_with_options(const GumboOptions*, const char*, size_t)。 -
过时的软件版本:用户使用的是已停止维护的 Ruby 2.7.8 和 Nokogiri 1.13.10,这些版本对新硬件的支持有限。
解决方案
推荐方案:使用预编译版本
Nokogiri 为常见平台提供了预编译版本,这是最简单可靠的安装方式:
- 移除
--use-system-libraries选项 - 确保没有强制使用 Ruby 平台 (
force_ruby_platform: true) - 让 Bundler 自动选择适合 M1 的预编译版本
替代方案:从源码编译
如果必须从源码编译,可以尝试以下步骤:
- 检查编译器标志:通过
RbConfig::CONFIG["CFLAGS"]查看 Ruby 的编译标志 - 移除问题标志:找到并移除
-Wdeprecated-non-prototype标志 - 更新开发工具:确保 Xcode 命令行工具是最新版本
- 清理环境:有时旧的编译缓存会导致问题,可以尝试完全清理后重新安装
长期解决方案:升级软件版本
建议升级到受支持的软件版本组合:
- 升级到 Ruby 3.x 系列
- 使用 Nokogiri 的最新稳定版本
- 确保 Homebrew 和相关工具链是最新的
技术细节
在 C 语言中,函数声明有两种形式:
- 传统形式:
void func()- 表示参数未指定 - 现代形式:
void func(void)- 明确表示无参数
Ruby 的 mkmf 工具使用传统形式检测函数,而现代编译器(特别是 Clang 15+)默认会将这种形式视为错误。这种不兼容性导致了编译失败。
总结
在 M1 Mac 上安装较旧版本的 Nokogiri 可能会遇到编译问题,主要原因是编译器严格性提高与旧代码风格的冲突。最佳实践是使用预编译版本或升级到受支持的软件组合。对于必须从源码编译的情况,需要仔细检查编译器标志和环境配置。
通过理解这些底层技术细节,开发者可以更有效地解决类似问题,并为未来的开发环境升级做好准备。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00