在ble.sh中自定义命令执行耗时提示
2025-06-26 09:07:01作者:俞予舒Fleming
ble.sh是一个强大的Bash行编辑器扩展,它提供了许多增强功能来改善命令行体验。其中一个实用功能是exec_elapsed_mark,它会在命令执行后显示执行时间和CPU使用率。默认情况下,这个提示会同时显示执行的命令内容,但有时我们可能希望简化输出,只显示耗时信息。
默认行为分析
当启用exec_elapsed_mark选项时,ble.sh会在每个命令执行后输出类似如下的信息:
[ble: elapsed 4ms (CPU 100.0%)] true
这个输出包含三个部分:
- 耗时信息(elapsed time)
- CPU使用率
- 执行的命令内容
自定义耗时提示
虽然ble.sh没有直接提供选项来隐藏命令内容,但我们可以通过编写自定义的POSTEXEC钩子函数来实现这个需求。以下是实现方案的核心思路:
-
首先禁用内置的耗时提示:
bleopt exec_elapsed_mark= -
然后注册自定义的POSTEXEC钩子函数:
function custom.postexec { if ble/exec/time#mark-enabled; then # 耗时计算和格式化逻辑 ble/util/print "[ble: elapsed ${ata} (CPU ${cpu}%)]" fi } blehook POSTEXEC+=custom.postexec
完整实现示例
下面是一个完整的自定义实现,它提供了更灵活的格式控制:
# 禁用内置耗时提示
bleopt exec_elapsed_mark=
# 自定义耗时提示格式
bleopt github481_elapsed_mark=$'\e[94m[ble: elapsed %s (CPU %s%%)]\e[m'
function ble/contrib/config:github481-elapsed-mark-without-command/postexec {
if ble/exec/time#mark-enabled; then
local ata=$((_ble_exec_time_ata/1000))
# 耗时单位自动转换
if ((ata<1000)); then
ata="${ata}ms"
elif ((ata<1000*1000)); then
ata="${ata::${#ata}-3}.${ata:${#ata}-3}s"
elif ((ata/=1000,ata<3600*100)); then
local min
((min=ata/60,ata%=60))
if ((min<100)); then
ata="${min}m${ata}s"
else
ata="$((min/60))h$((min%60))m${ata}s"
fi
else
local hour
((ata/=60,hour=ata/60,ata%=60))
ata="$((hour/24))d$((hour%24))h${ata}m"
fi
# CPU使用率计算
local cpu='--.-'
if ((_ble_exec_time_tot)); then
cpu=$(((_ble_exec_time_usr+_ble_exec_time_sys)*1000/_ble_exec_time_tot))
cpu=$((cpu/10)).$((cpu%10))
fi
# 使用预设格式输出
local ret
ble/util/sprintf ret "$bleopt_github481_elapsed_mark" "$ata" "$cpu"
ble/util/print "$ret"
fi
}
# 注册钩子
blehook POSTEXEC+=ble/contrib/config:github481-elapsed-mark-without-command/postexec
实现特点
- 智能时间单位转换:自动根据耗时长短选择合适的单位(毫秒、秒、分钟、小时、天)
- 精确的CPU使用率计算:保留一位小数精度
- 可自定义输出格式:通过
bleopt github481_elapsed_mark可以修改输出样式 - 颜色支持:默认使用蓝色高亮显示
使用建议
- 对于简单的需求,可以直接使用上面的代码片段
- 如果需要更多定制,可以修改
bleopt github481_elapsed_mark的值来改变输出格式 - 更复杂的定制可以修改钩子函数中的计算逻辑
通过这种方式,ble.sh用户可以灵活地控制命令执行后的耗时提示,既保持了功能的实用性,又避免了输出信息的冗余。
登录后查看全文
热门项目推荐
相关项目推荐
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C030
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
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
424
3.26 K
Ascend Extension for PyTorch
Python
231
264
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++
689
334
暂无简介
Dart
686
161
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
React Native鸿蒙化仓库
JavaScript
266
326
🔥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
65
19
🎉 (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
1.22 K
667
仓颉编译器源码及 cjdb 调试工具。
C++
136
869