Electron Builder中禁用NSIS多架构合并安装包的配置方法
在Electron应用打包过程中,使用Electron Builder的NSIS目标(target)时,当为多个架构(如x64和ia32)构建Windows安装包时,系统默认会生成三种安装包:x64架构安装包、ia32架构安装包以及一个合并的通用安装包。本文将详细介绍如何通过配置来禁用这个合并安装包的生成。
背景知识
NSIS(Nullsoft Scriptable Install System)是Windows平台上一个流行的安装包制作工具。Electron Builder利用NSIS为Electron应用创建Windows安装程序。当开发者指定为多个架构构建时,Electron Builder会为每个架构生成单独的安装包,同时还会生成一个"通用"安装包,这个安装包能够在运行时自动检测系统架构并安装对应的版本。
为什么需要禁用合并安装包
虽然合并安装包提供了便利性,但在某些场景下开发者可能希望禁用它的生成:
- 应用依赖原生模块(如better-sqlite3),这些模块需要针对不同架构分别构建
- 减少构建产物数量,简化发布流程
- 需要严格控制每个架构的安装包内容
- 减少构建时间和构建产物体积
配置方法
从Electron Builder 26.0.0-alpha.3版本开始,可以通过在配置中添加buildUniversalInstaller: false选项来禁用合并安装包的生成:
{
"win": {
"target": "nsis",
"buildUniversalInstaller": false
}
}
当同时为多个架构构建时,例如x64和ia32,配置示例如下:
{
"win": {
"target": [
{
"target": "nsis",
"arch": "x64"
},
{
"target": "nsis",
"arch": "ia32"
}
],
"buildUniversalInstaller": false
}
}
注意事项
-
此配置仅适用于
nsis目标,不适用于nsis-web目标。nsis-web目标必须生成合并安装包,因为它需要根据下载时的系统架构决定安装哪个版本。 -
当禁用合并安装包时,生成的安装包文件名会自动包含架构后缀(如
-x64、-ia32),以便区分不同架构的安装包。 -
如果需要保持文件名一致性,可以通过
artifactName配置来自定义文件名模式。 -
对于使用原生模块的项目,建议在构建前清理构建目录,确保每个架构的构建都是独立的。
替代方案
如果使用的Electron Builder版本不支持buildUniversalInstaller选项,可以通过编程式API分别构建不同架构的安装包:
const { build } = require('electron-builder')
async function buildSeparately() {
await build({
targets: Platform.WINDOWS.createTarget('nsis', 'x64'),
config: {
// 你的配置
}
})
await build({
targets: Platform.WINDOWS.createTarget('nsis', 'ia32'),
config: {
// 你的配置
}
})
}
buildSeparately()
总结
通过buildUniversalInstaller: false配置,开发者可以灵活控制Electron Builder生成的NSIS安装包类型,满足不同场景下的分发需求。这一功能特别适合需要严格区分不同架构安装包的项目,或者依赖原生模块的应用。随着Electron Builder的持续更新,这一功能的稳定性和易用性还将进一步提升。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0212
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0137
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03