Secret Chronicles (TSC) 游戏安装与编译指南
2025-06-01 15:24:02作者:幸俭卉
项目概述
Secret Chronicles (简称TSC) 是一款2D平台冒险游戏,采用现代C++技术栈开发。本文将详细介绍如何在不同平台上编译和安装TSC游戏,包括Linux系统和Windows系统下的完整流程。
一、系统依赖准备
1. 基础依赖组件
TSC构建需要以下核心依赖库,这些是跨平台必需的组件:
- Ruby环境:用于构建mruby脚本引擎(除非使用预编译的mruby)
- 构建工具链:pkg-config、bison、gperf
- 图形库:OpenGL、GLEW扩展库
- 多媒体处理:LibPNG图像库、DevIL图像加载库
- 文本处理:GNU Gettext、PCRE正则表达式库
- XML处理:Expat、libxml++ (<3.0.0版本)
- 字体渲染:Freetype库
- Boost组件:需要1.50.0以上版本的system、filesystem和thread库
- SFML:多媒体库2.3.0以上版本
- X11开发头文件:libx11和libxt
各Linux发行版安装示例
Fedora系统:
sudo dnf install ruby rubygem-rake gperf pkgconf bison libGLEW \
freeglut-devel gettext libpng-devel pcre-devel libxml++-devel \
freetype-devel DevIL-devel boost SFML-devel gcc-c++ \
cegui-devel cmake @development-tools git libXt-devel
Debian/Ubuntu系统:
sudo apt install ruby-full rake gperf pkg-config bison libglew-dev \
freeglut3-dev gettext libpng-dev libpcre3-dev libxml++2.6-dev \
libfreetype6-dev libdevil-dev libboost1.58-all-dev libsfml-dev \
libxt-dev libexpat1-dev cmake build-essential git git-core
2. Windows特有依赖
在Windows平台构建时还需要:
- FreeImage图像库
- NSIS安装包生成工具(用于创建安装程序)
二、构建配置选项
TSC提供多种CMake配置选项,适合不同使用场景:
| 选项名称 | 默认值 | 说明 |
|---|---|---|
| ENABLE_SCRIPT_DOCS | OFF | 是否构建脚本API文档 |
| ENABLE_NLS | ON | 是否启用多语言支持 |
| USE_SYSTEM_MRUBY | OFF | 使用系统mruby而非内置版本 |
| USE_SYSTEM_CEGUI | OFF | 使用系统CEGUI而非内置版本 |
| USE_LIBXMLPP3 | OFF | 实验性支持libxml++3.0 |
重要路径配置:
CMAKE_INSTALL_PREFIX:安装根目录(默认/usr/local)CMAKE_INSTALL_BINDIR:可执行文件目录CMAKE_INSTALL_DATADIR:游戏数据目录
特别注意:Windows平台不要修改BINDIR和DATADIR,否则游戏无法找到资源文件。
三、从发布包安装
- 解压发布包并创建构建目录:
tar -xvJf TSC-*.tar.xz
cd TSC-*/tsc
mkdir build
cd build
- 配置并构建:
cmake -DCMAKE_INSTALL_PREFIX=/opt/tsc ..
make -j$(nproc)
sudo make install
- 运行游戏:
/opt/tsc/bin/tsc
如需调试版本,在cmake时添加-DCMAKE_BUILD_TYPE=Debug参数。
四、从Git源码安装
- 克隆仓库并初始化子模块:
git clone --recursive git://github.com/Secretchronicles/TSC.git
cd TSC/tsc
mkdir build
cd build
- 构建安装:
cmake -DCMAKE_BUILD_TYPE=Debug -DCMAKE_INSTALL_PREFIX=/opt/tsc ..
make -j$(nproc)
sudo make install
五、Windows平台构建指南
1. 准备MSYS2环境
- 安装MSYS2基础系统
- 更新系统组件:
pacman -Syuu
(可能需要重复执行直到完全更新)
2. 安装依赖项
64位和32位构建所需依赖:
pacman -S --needed git base-devel bison ruby mingw-w64-x86_64-{toolchain,extra-cmake-modules,ruby,cegui,sfml,libxml++2.6,gperf,doxygen,graphviz,nsis,qt5} mingw-w64-i686-{toolchain,extra-cmake-modules,ruby,cegui,sfml,libxml++2.6,gperf,doxygen,graphviz,nsis,minizip-git}
3. 构建TSC
克隆仓库:
git clone --recursive git://github.com/Secretchronicles/TSC.git
选择对应架构的MSYS2终端(64位或32位)执行构建:
调试版本:
rm -rf TSC/tsc/build && mkdir TSC/tsc/build && cd TSC/tsc/build && cmake -DCMAKE_BUILD_TYPE=Debug -G "MSYS Makefiles" .. && make -j$(nproc) && make package
发布版本:
rm -rf TSC/tsc/build && mkdir TSC/tsc/build && cd TSC/tsc/build && cmake -DCMAKE_BUILD_TYPE=Release -G "MSYS Makefiles" .. && make -j$(nproc) && make package
构建完成后,安装程序将生成在build目录下。
六、升级注意事项
升级前建议备份用户数据:
cp -r ~/.local/share/tsc ~/backup-tsc
Git仓库升级流程:
git pull
git submodule update
cmake ..
make
make install
切换分支时建议清理构建目录:
cd ..
git checkout feature-branch
rm -rf build
mkdir build
cd build
cmake [OPTIONS] ..
make
make install
通过以上步骤,您可以在不同平台上成功构建和运行Secret Chronicles游戏。如果在构建过程中遇到问题,建议检查依赖版本是否符合要求,并确保构建环境配置正确。
登录后查看全文
热门项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
jiuwenclawJiuwenClaw 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0220- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
AtomGit城市坐标计划AtomGit 城市坐标计划开启!让开源有坐标,让城市有星火。致力于与城市合伙人共同构建并长期运营一个健康、活跃的本地开发者生态。01
AntSK基于.Net9 + AntBlazor + SemanticKernel 和KernelMemory 打造的AI知识库/智能体,支持本地离线AI大模型。可以不联网离线运行。支持aspire观测应用数据CSS01
项目优选
收起
deepin linux kernel
C
27
13
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
626
4.12 K
Ascend Extension for PyTorch
Python
464
554
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++
930
801
🔥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
69
21
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
114
181
暂无简介
Dart
870
207
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
130
189
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
1.43 K
378
昇腾LLM分布式训练框架
Python
136
160