推荐使用sbconstants:自动化生成Storyboard常量文件
2024-08-28 19:38:47作者:邵娇湘
项目介绍
sbconstants 是一个强大的开源工具,旨在自动化生成iOS项目中Storyboard的常量文件。通过解析项目中的Storyboard文件,sbconstants 能够自动提取所有标识符并生成对应的常量文件,极大地简化了开发流程,提高了代码的可维护性。
项目技术分析
sbconstants 使用Ruby编写,通过命令行接口与开发者进行交互。它能够解析Storyboard文件中的XML结构,提取出各种标识符(如segue identifiers、storyboard names、tableViewCell reuse identifiers等),并将这些标识符转换为常量,输出到指定的文件中。此外,sbconstants 还支持多种选项,如前缀过滤、文件忽略、源目录指定等,提供了极大的灵活性和定制性。
项目及技术应用场景
sbconstants 适用于任何使用Storyboard进行界面设计的iOS项目。特别是在大型项目中,Storyboard文件众多,手动维护常量文件既耗时又容易出错。使用 sbconstants 可以自动化这一过程,确保常量文件的准确性和一致性。此外,sbconstants 还支持Swift和Objective-C两种语言的输出,满足了不同项目的需求。
项目特点
- 自动化生成:自动解析Storyboard文件,生成常量文件,减少手动操作。
- 灵活配置:支持多种选项,如前缀过滤、文件忽略、源目录指定等,满足不同需求。
- 多语言支持:支持输出Swift和Objective-C两种语言的常量文件。
- 可定制格式:允许开发者自定义输出格式,满足团队编码规范。
- 易于集成:通过简单的命令行操作即可集成到Xcode项目中,使用方便。
安装与使用
安装
$ gem install sbconstants
使用
自动化使用(Objective-C)
- 在Xcode中添加一个常量文件,如
PASStoryboardConstants.(h|m)。 - 在构建阶段添加一个脚本,如
sbconstants path_to_constant_file。 - 每次构建时,
sbconstants会自动更新常量文件。
手动使用(Swift)
- 在Xcode中添加一个常量文件,如
StoryboardIdentifiers.swift。 - 在Makefile中添加一个命令,如
sbconstants path/to/StoryboardIdentifiers.swift --source-dir path/to/Storyboards --swift。
命令行API
$ sbconstants -h
Usage: DESTINATION_FILE [options]
-d, --dry-run Output to STDOUT
-p, --prefix=<prefix> Only match identifiers with <prefix>
-i, --ignore=<files_to_ignore> Comma separated list of files to ignore
-s, --source-dir=<source> Directory containing storyboards
-t, --templates-dir=<templates> Directory containing the templates to use for code formatting
-q, --queries=<queries> YAML file containing queries
-v, --verbose Verbose output
-w, --swift Output to a Swift File
示例
sbconstants MyApp/Constants/PASStoryboardConstants.h
结论
sbconstants 是一个强大且灵活的工具,能够显著提升iOS项目中Storyboard常量文件的生成和管理效率。无论是在小型项目还是大型项目中,sbconstants 都能为开发者带来极大的便利。强烈推荐给所有使用Storyboard的iOS开发者使用。
登录后查看全文
热门项目推荐
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
425
3.26 K
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
Ascend Extension for PyTorch
Python
231
264
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
🎉 (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
🔥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
openEuler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。
C
19
30