5分钟上手wiliwili Linux打包:手柄控制B站客户端的Debian软件包制作指南
2026-04-22 09:13:13作者:宗隆裙
wiliwili作为专为手柄控制设计的跨平台B站客户端,支持PC、PSVita、PS4和Nintendo Switch等设备。本文将通过"需求分析→环境配置→核心流程→问题诊断"四阶段框架,帮助开发者快速掌握Linux系统下的Debian软件包制作方法,解决跨平台软件打包过程中的关键技术问题。
一、需求分析:明确Linux打包核心目标
1.1 软件包功能验证清单
在开始打包前,需确认wiliwili的核心功能在Linux环境中可正常运行,包括:
- 手柄控制交互响应
- 视频播放与弹幕显示
- 网络请求与数据加载
- 本地资源文件访问
可通过直接运行编译后的二进制文件进行功能测试,确保基础功能正常后再进入打包流程。
1.2 目标系统兼容性评估
Debian软件包需考虑不同发行版的兼容性,重点关注:
- 最低系统版本要求(推荐Debian 10+/Ubuntu 18.04+)
- 架构支持(amd64/arm64)
- 依赖库版本差异(如libssl、libmpv等)
二、环境配置:零基础快速搭建打包环境
2.1 系统兼容性验证三步法
- 检查系统版本:
lsb_release -a # 确认Debian/Ubuntu版本
uname -m # 确认系统架构
- 验证内核版本:
uname -r # 推荐5.4.0以上内核
- 检查基础工具链:
dpkg --version # 确保dpkg版本>=1.19.0
2.2 依赖自动安装脚本
创建自动化安装脚本install_deps.sh,包含所有必要工具:
#!/bin/bash
# 安装打包工具
sudo apt update && sudo apt install -y \
build-essential cmake dpkg-dev dh-make \
libass-dev libmpv-dev libcurl4-openssl-dev \
libssl-dev libwebp-dev libsdl2-dev
保存后执行:chmod +x install_deps.sh && ./install_deps.sh
三、核心流程:Debian软件包制作全解析
3.1 三步完成目录结构搭建
- 创建标准打包目录:
mkdir -p wiliwili-deb/DEBIAN wiliwili-deb/usr/{bin,share/applications,share/icons/hicolor}
- 生成多尺寸图标:
cd scripts/linux
chmod +x gen_icons.sh
./gen_icons.sh # 生成16x16至256x256尺寸图标
- 复制图标到目标目录:
cp -r icons/* wiliwili-deb/usr/share/icons/hicolor/
3.2 编译与安装二进制文件
- 编译应用程序:
mkdir -p build && cd build
cmake .. -DPLATFORM_DESKTOP=ON -DCMAKE_BUILD_TYPE=Release
make -j$(nproc) # 多线程编译
- 安装可执行文件:
cp wiliwili wiliwili-deb/usr/bin/
chmod +x wiliwili-deb/usr/bin/wiliwili
3.3 构建Debian控制文件
创建wiliwili-deb/DEBIAN/control文件:
Section: video
Priority: optional
Maintainer: Your Name <your.email@example.com>
Version: 1.5.2-1
Homepage: https://xfangfang.github.io/wiliwili/
Package: wiliwili
Architecture: amd64 # 根据实际架构修改
Depends: libass9, libmpv1, libcurl4, libssl1.1, libwebp6, libsdl2-2.0-0
Description: A third-party Bilibili client designed for controller users
3.4 生成最终Debian软件包
dpkg-deb --build wiliwili-deb
验证方法:file wiliwili-deb.deb 应显示"Debian binary package (format 2.0)"
四、问题诊断:新手常见误区解析
4.1 依赖关系错误排查
常见症状:安装时提示"依赖关系未满足"
解决方法:
- 使用
dpkg-shlibdeps自动分析依赖:
dpkg-shlibdeps -O wiliwili-deb/usr/bin/wiliwili
- 根据输出更新control文件的Depends字段
4.2 图标不显示问题
常见原因:图标路径或权限错误
验证方法:
update-icon-caches /usr/share/icons/hicolor/
xdg-icon-resource list --size 64 wiliwili
4.3 架构不匹配问题
避免方法:编译时明确指定架构:
cmake .. -DCMAKE_CXX_FLAGS="-m64" # 强制64位编译
五、进阶技巧:提升打包成功率的三个关键策略
5.1 使用Docker构建环境隔离
利用项目提供的Dockerfile创建一致的构建环境:
cd scripts/deb/switchroot-bionic
docker build -t wiliwili-build .
docker run -v $PWD:/work wiliwili-build
5.2 版本号自动管理
在control文件中使用变量替换版本号:
sed -i "s/Version:.*/Version: $(git describe --tags)/" DEBIAN/control
5.3 测试自动化
创建测试脚本验证软件包完整性:
dpkg -i wiliwili-deb.deb
wiliwili --version # 检查版本输出

图:wiliwili客户端在Linux系统中的运行界面,展示了视频推荐和播放功能
通过以上步骤,您可以快速掌握wiliwili的Linux打包技术。建议定期查看项目的scripts/deb目录获取最新打包配置,确保软件包与应用程序保持同步更新。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust098- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
701
4.51 K
Ascend Extension for PyTorch
Python
564
693
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
542
98
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++
957
954
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
411
338
🎉 (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
1.6 K
939
Oohos_react_native
React Native鸿蒙化仓库
C++
340
387
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++
128
209
昇腾LLM分布式训练框架
Python
150
177
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
140
221