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。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00