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。
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-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