《folderify项目技术文档》
2024-12-27 12:26:00作者:盛欣凯Ernestine
1. 安装指南
folderify可以通过Homebrew进行安装,这是推荐的安装方式。安装命令如下:
brew install folderify
使用Homebrew安装将自动为您的shell安装folderify的命令行补全。
如果您没有Homebrew,但系统中已经安装了ImageMagick,您可以尝试以下其他安装方式:
使用Rust安装
cargo install folderify
从源代码安装
或者直接下载代码:
git clone https://github.com/lgarron/folderify && cd folderify
# 直接运行
cargo run -- --reveal examples/src/folder_outline.png .
# 安装(假设`cargo`命令在您的路径中)
cargo install --path .
folderify --reveal examples/src/folder_outline.png .
此时,仓库文件夹应该具有一个自定义图标。
for file in examples/src/*.png; do cargo run -- $file; done
open examples/src/
您会看到一系列由.png遮罩自动生成的.iconset文件夹和.icns文件。
2. 项目使用说明
使用folderify为文件夹分配一个图标,您需要一个遮罩图片:
folderify mask.png /path/to/folder
如果要生成.icns和.iconset文件,可以使用以下命令:
folderify mask.png
默认情况下,folderify会使用系统当前的光暗模式。如果需要覆盖此设置,请使用--color-scheme:
folderify --color-scheme dark mask.png
注意:目前没有办法设置一个在切换整个操作系统光暗模式时会自动切换的图标。您只能为文件夹分配一个版本的图标。
使用技巧
- 使用
.png遮罩。 - 在透明背景上使用纯黑色设计。
- 确保遮罩图像的角像素是透明的。它们用于设置空白边距。
3. 项目API使用文档
以下是folderify的完整选项说明:
生成一个原生风格的macOS文件夹图标从遮罩文件。
使用方式:folderify [选项] [目标]
参数:
遮罩图像文件。为获得最佳效果:
- 使用.png遮罩。
- 在透明背景上使用纯黑色设计。
- 确保遮罩图像的非透明像素跨越的高度为384px,使用16px的网格。
如果高度为384px且宽度为128px的倍数(最多768px),每个64x64图块将精确对齐到最小文件夹大小的一个像素。
[目标]
目标文件或文件夹。如果指定了目标,生成的图标将应用于目标文件/文件夹。否则(除非指定了--output-icns或--output-iconset),将在遮罩所在的同一文件夹中创建一个.iconset文件夹和.icns文件(您可以使用Finder中的“获取信息”来复制.icns文件的图标)。
选项:
--output-icns <ICNS文件>
将.icns文件写入给定路径。(即使也指定了目标,也会写入。)
--output-iconset <ICONSET文件夹>
将.iconset文件夹写入给定路径。(即使也指定了目标,也会写入。)
-r, --reveal
在Finder中显示目标、.icns或.iconset(按此偏好顺序)。
--macOS <MACOS版本>
macOS文件夹图标的版本,例如"14.2.1"。默认为当前运行的版本
--color-scheme <颜色方案>
颜色方案 - 自动匹配当前系统值
[默认:自动]
[可能的值:自动、浅色、深色]
--no-trim
不从遮罩中裁剪边距。
默认情况下(即不使用此标志),所有四边的透明边距将被裁剪。
--no-progress
不显示进度条
--badge <徽章>
向图标添加徽章。目前仅支持一次性一个徽章
[可能的值:别名、锁定]
-v, --verbose
详细的输出。也设置了`--no-progress`
--completions <shell>
打印给定shell的补全(而不是生成任何图标)。
这些可以永久加载/存储(例如,当使用Homebrew时),但它们也可以直接源码加载,例如:
folderify --completions fish | source # fish
source <(folderify --completions zsh) # zsh
[可能的值:bash、elvish、fish、powershell、zsh]
-h, --help
打印帮助(使用'-h'查看摘要)
-V, --version
打印版本
4. 项目安装方式
请参照“安装指南”部分中提供的方式进行安装。推荐使用Homebrew安装,但也可以通过Rust工具或从源代码进行安装。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-X1-7BSpark-Formalizer-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
306
2.7 K
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
137
169
React Native鸿蒙化仓库
JavaScript
234
309
暂无简介
Dart
598
130
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++
630
232
仓颉编译器源码及 cjdb 调试工具。
C++
123
681
🎉 (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
1.06 K
615
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
197
74
仓颉编程语言测试用例。
Cangjie
36
680