xh项目v0.24.1版本发布:HTTP客户端工具的重要更新
xh是一个现代化的命令行HTTP客户端工具,它提供了比传统curl更友好的用户体验和更直观的输出格式。该项目采用Rust语言编写,具有高性能和跨平台特性,支持多种操作系统和架构。
主要特性更新
本次发布的v0.24.1版本带来了几项重要改进:
-
RFC 5987编码支持:新增了对Content-Disposition头中文件名的RFC 5987编码支持。这项改进使得xh能够正确处理包含非ASCII字符的文件名,这在处理国际化内容时尤为重要。RFC 5987标准定义了如何在HTTP头中编码非ASCII字符,解决了传统编码方式的局限性。
-
Zstd响应体处理优化:修复了处理空zstd压缩响应体时可能导致崩溃的问题。zstd是一种高效的压缩算法,在网络传输中越来越常见。这项修复提升了xh处理压缩响应的稳定性。
-
TLS证书错误信息改进:增强了rustls库对无效证书的错误提示,使开发者能够更清晰地了解TLS连接问题。这对于调试HTTPS连接问题非常有帮助,特别是在自签名证书或过期证书的场景下。
技术细节解析
RFC 5987编码实现
在HTTP协议中,Content-Disposition头用于指定如何处理响应内容,特别是文件下载时的文件名。传统上使用百分号编码(percent-encoding)处理非ASCII字符,但这种方式存在局限性。RFC 5987引入了更完善的编码机制:
Content-Disposition: attachment; filename="example.txt"; filename*=utf-8''%e4%be%8b%e5%ad%90.txt
xh现在能够正确解析这种格式,确保下载文件时文件名保持原意,特别是对于中文、日文等非拉丁字符集的文件名。
Zstd压缩处理
zstd是Facebook开发的一种实时压缩算法,在网络传输中因其高压缩比和快速解压特性而广受欢迎。xh现在能够更稳健地处理zstd压缩的响应,包括边缘情况如空响应体。这对于API调用和微服务通信场景尤为重要。
Rustls错误处理
Rustls是Rust生态中一个纯Rust实现的TLS库。本次更新改进了其对证书验证错误的反馈,包括:
- 证书过期
- 主机名不匹配
- 自签名证书
- 证书链不完整
这些改进使得开发者能够更快定位和解决TLS连接问题。
跨平台支持
xh继续保持其出色的跨平台能力,本次发布提供了针对多种架构和操作系统的预编译二进制文件:
- macOS (Intel和Apple Silicon)
- Linux (x86_64、ARM64和ARMv7)
- Windows
- 还提供了Debian/Ubuntu系统的.deb安装包
这种广泛的平台支持使得xh成为开发者和系统管理员在不同环境中进行HTTP调试和自动化脚本编写的理想工具。
总结
xh v0.24.1虽然是一个小版本更新,但在国际化支持、压缩算法处理和TLS错误诊断方面都做出了重要改进。这些变化使得xh在现实世界的HTTP通信场景中更加可靠和易用。对于需要频繁与REST API交互或进行HTTP调试的开发者来说,升级到这个版本将获得更好的开发体验。
xh项目持续关注开发者实际需求,通过这些小而精的改进,逐步构建一个功能完善、用户体验优秀的HTTP客户端工具。它的轻量级特性和直观的输出格式,使其成为curl的有力替代品,特别适合现代开发工作流。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
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
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!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00