Periphery项目多目标扫描参数格式变更解析
2025-06-06 18:19:55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
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-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
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
Ascend Extension for PyTorch
Python
182
196
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++
648
265
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
274
94
暂无简介
Dart
623
140
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
380
3.41 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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