Periphery项目多目标扫描参数格式变更解析
2025-06-06 10:11:19作者:俞予舒Fleming
问题背景
在Xcode项目静态分析工具Periphery的使用过程中,开发者发现从2.18.0版本开始,当尝试同时扫描多个Xcode目标(target)时会出现"目标不存在"的错误提示。具体表现为:使用逗号分隔多个目标的传统方式突然失效,而单独扫描一个目标则工作正常。
参数格式变更详情
Periphery 2.18.0版本对命令行参数解析进行了重大调整,从原先自定义的参数解析方式迁移到了Swift官方的swift-argument-parser框架。这一变更带来了更标准的命令行参数处理方式,但也导致了多目标参数格式的变化:
旧格式(2.18.0之前):
--targets "Target1,Target2,Target3"
新格式(2.18.0及之后):
--targets Target1 Target2 Target3
技术原理
swift-argument-parser框架采用了Unix/Linux命令行工具的标准参数解析方式,其中:
- 每个空格分隔的参数都被视为独立的值
- 不再需要将多个值用逗号连接成一个字符串
- 引号仅用于包含含有空格的特殊参数值
这种变更使Periphery的命令行接口更加符合开发者对其他命令行工具的预期使用方式。
影响范围
这一变更主要影响以下场景:
- 同时扫描多个Xcode目标的场景
- 自动化脚本中调用Periphery的代码
- CI/CD流水线中的Periphery调用
解决方案
开发者需要将现有的多目标参数从逗号分隔格式调整为空格分隔格式。例如:
修改前:
periphery scan --targets "App1,App1Widget,App2" --schemes Periphery
修改后:
periphery scan --targets App1 App1Widget App2 --schemes Periphery
最佳实践建议
- 在升级Periphery版本时,务必查阅CHANGELOG了解破坏性变更
- 在CI/CD脚本中使用版本约束,避免意外升级导致构建失败
- 考虑将Periphery配置迁移到.periphery.yml文件中,减少命令行参数的使用
- 对于复杂的扫描需求,建议先在小规模项目上测试新版本
总结
Periphery项目向标准参数解析方式的演进虽然带来了短期的适配成本,但从长远看提高了工具的一致性和可维护性。开发者应及时调整使用习惯,采用新的参数格式以获得更好的工具使用体验。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
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++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
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
🎉 (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
1.2 K
655
🔥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
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
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
330
137