在vite-react-electron项目中优化打包体积:排除node_modules依赖
2025-07-04 18:24:34作者:宗隆裙
背景介绍
在基于vite-react-electron构建的桌面应用程序时,开发者常常会遇到如何优化最终打包体积的问题。默认情况下,electron-builder会将所有依赖打包进app.asar文件中,但有时我们需要将某些特定的node_modules依赖排除在外,以减小主包体积或实现按需加载。
解决方案
使用asar的unpack配置
electron-builder提供了asar.unpack配置项,允许开发者指定哪些文件或目录不应该被打包进asar归档文件中,而是保持原始文件结构。这对于某些需要在运行时动态加载的模块特别有用。
"asar": {
"unpack": "node_modules/{dependency}/**"
}
这种配置方式会确保指定的依赖模块不会被压缩进app.asar,而是以原始文件形式存在于应用目录中。
使用extraResources额外资源
另一种更灵活的方式是使用extraResources配置项,它允许开发者精确控制哪些资源文件应该被包含在最终应用中,以及它们的存放位置。
"extraResources": [
{
"from": "node_modules/{dependency}/",
"to": "{dependency}-module",
"filter": ["**/*"]
}
]
这种方法有几个优势:
- 可以重命名目标目录,避免与原有node_modules结构冲突
- 可以精细控制包含哪些文件
- 资源会被放置在应用的resources目录下
访问这些资源
对于使用extraResources方式添加的模块,可以通过electron提供的process.resourcesPathAPI来获取这些资源的路径。例如:
const path = require('path');
const modulePath = path.join(process.resourcesPath, '{dependency}-module');
实际应用场景
这种技术特别适用于以下情况:
- 某些大型依赖库,希望按需加载
- 需要动态更新的模块
- 包含原生二进制文件的模块
- 许可证要求不能打包的第三方库
最佳实践建议
- 选择性排除:不要盲目排除所有node_modules,只排除确实有必要的依赖
- 路径处理:在代码中正确处理资源路径,考虑开发和生产环境差异
- 版本控制:确保排除的依赖版本与应用兼容
- 性能考量:评估排除依赖对应用启动性能的影响
通过合理使用这些配置选项,开发者可以更灵活地控制electron应用的打包结构,优化应用体积和加载性能。
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-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
操作系统概念第六版PDF资源全面指南:适用场景与使用教程 高效汇编代码注入器:跨平台x86/x64架构的终极解决方案 高效验证码识别解决方案:OCRServer资源文件深度解析与应用指南 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 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 IK分词器elasticsearch-analysis-ik-7.17.16:中文文本分析的最佳解决方案 Python开发者的macOS终极指南:VSCode安装配置全攻略 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
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
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
375
3.25 K
暂无简介
Dart
619
140
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
62
19
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!
C
1.03 K
479
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
261
🎉 (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
1.09 K
619
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
790
76