推荐开源项目:TermShot - 终端截图利器
2024-05-21 02:15:40作者:钟日瑜
TermShot 是一款强大且创新的终端截图工具,它能够捕获你的命令行输出,并将其实时转化为类似用户界面窗口的图片。不同于传统的代码高亮截图工具,TermShot 直接解析程序输出的 ANSI 转义码,从而精确地再现终端的视觉效果。无论是记录脚本执行结果还是分享复杂命令配置,TermShot 都能为你提供清晰而专业的截图。
项目介绍
TermShot 的设计理念与 carbon.now.sh、instaco.de 和 codekeep.io/screenshot 类似,但它的优势在于更注重对终端输出的还原。只需在你的命令前加上 termshot,就能轻松创建一个可视化的终端输出截图。例如:
termshot --show-cmd -- lolcat -f <(figlet -f big foobar)
这将会生成如下的截图结果:

项目技术分析
TermShot 使用 Go 语言编写,支持 macOS 和 Linux 平台,通过预编译的二进制文件方便快速安装。它利用伪终端(pty)来执行命令,允许捕获完全交互式会话的输出,使得截图更加灵活。此外,TermShot 还提供了编辑命令输出的功能,可以在截图之前删除敏感信息,确保数据安全。
值得注意的是,TermShot 可以处理大多数 ANSI 转义序列,但它仍处于持续开发阶段,对于某些复杂的命令或未被解析的序列,可能会出现解析不准确的情况。
应用场景
- 文档记录:当你需要为教程或文档中的命令行操作提供直观展示时,TermShot 是理想的选择。
- 问题报告:当向开发者社区报告问题时,使用 TermShot 提供清晰的错误输出截图,可以大大提高解决问题的效率。
- 项目展示:在演示或宣传你的命令行工具时,TermShot 可以帮你制作专业美观的截图。
项目特点
- ANSI 支持:精准解析并重现 ANSI 转义码,确保终端输出的原始色彩和样式得到完美保留。
- 编辑功能:在生成截图前,可选择性地编辑命令输出,去除敏感信息。
- 跨平台:支持 macOS 和 Linux 系统,兼容多种环境。
- 易于集成:只需在命令前加上
termshot,即可无缝集成到现有的工作流程中。
要体验 TermShot 带来的便捷,请访问 GitHub Release 页面,获取适合你系统的最新版本,并按照安装指南进行部署。
TermShot 将帮你提升终端截图的质量,让你的工作更加高效和专业,不容错过!
登录后查看全文
热门项目推荐
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
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
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
477
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
3.21 K
Ascend Extension for PyTorch
Python
169
190
暂无简介
Dart
615
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
仓颉编译器源码及 cjdb 调试工具。
C++
126
855
仓颉编程语言测试用例。
Cangjie
36
852
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
258