解决scrcpy项目在64位Ubuntu环境下编译32位Windows二进制文件的问题
2025-04-28 05:45:25作者:裘旻烁
背景介绍
scrcpy是一款流行的开源Android屏幕镜像和控制工具,它允许用户通过电脑控制Android设备。在开发过程中,开发者经常需要为不同平台构建二进制文件。然而,在64位Ubuntu系统上构建32位Windows版本的scrcpy时,可能会遇到一些编译问题。
问题现象
当尝试在64位Ubuntu系统(如基于Ubuntu 22.04的Linux Mint 21.3)上构建scrcpy的Windows版本时,构建系统会首先尝试构建32位版本,然后构建64位版本。然而,构建过程可能会失败,系统报告无法找到pkg-config、CMake或libavformat等关键构建工具和库文件,尽管这些组件实际上已经安装在系统中。
问题根源
经过分析,这个问题主要源于以下几个方面:
- 构建脚本默认尝试同时构建32位和64位版本
- 系统缺少必要的交叉编译工具链
- 构建环境期望找到32位版本的依赖库,但在纯64位系统中这些库不可用
- 一个特定的提交(85a94dd4b563e961304b2d9082932c5c1cc2e582)引入了构建逻辑的变化
解决方案
要解决这个问题,可以采取以下步骤:
-
确保已安装所有必要的构建依赖:
- mingw-w64工具链(包括mingw-w64-tools)
- pkg-config
- CMake
- FFmpeg相关库(libavformat等)
-
对于Ubuntu/Debian系系统,可以使用以下命令安装基本依赖:
sudo apt install mingw-w64 mingw-w64-tools pkg-config cmake -
关键解决方案是还原特定的提交变更:
git revert 85a94dd4b563e961304b2d9082932c5c1cc2e582这个提交原本是为了解决另一个问题(#4504),但它影响了32位版本的构建流程。
替代方案
如果开发者只需要构建64位Windows版本,可以考虑修改构建脚本,使其跳过32位版本的构建。这需要对构建系统有更深入的了解,但可以避免还原提交带来的潜在影响。
验证方法
成功构建后,可以检查生成的二进制文件:
- 确认生成的.exe文件可以在Windows系统上运行
- 使用file命令检查二进制文件的架构:
应该显示正确的架构信息(PE32+ for 64位,PE32 for 32位)file scrcpy.exe
注意事项
- 在还原提交前,建议先创建一个新的分支进行操作
- 构建过程中确保有足够的磁盘空间
- 如果构建仍然失败,可以尝试清理构建缓存后重新开始
- 对于生产环境,建议使用专门的构建服务器或容器环境
总结
通过还原特定的提交,可以解决在64位Ubuntu系统上构建scrcpy 32位Windows版本时遇到的依赖问题。这个解决方案已经集成到相关的pull request中,方便其他开发者使用。对于需要跨平台构建的开发人员来说,理解并解决这类构建环境问题是非常重要的技能。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
312
2.72 K
deepin linux kernel
C
24
7
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++
639
244
仓颉编译器源码及 cjdb 调试工具。
C++
124
851
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
469
Ascend Extension for PyTorch
Python
151
177
暂无简介
Dart
605
135
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
231
83
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
364
3 K
React Native鸿蒙化仓库
JavaScript
237
310