minizip-ng 技术文档
2024-12-27 10:05:46作者:卓艾滢Kingsley
本文档将详细介绍如何安装、使用以及API调用minizip-ng,这是一个用C语言编写的zip文件操作库,支持Windows、macOS和Linux平台。
1. 安装指南
安装依赖
首先,确保安装了CMake(推荐版本3.11或更高)。可以从CMake官方网站下载并安装。
构建项目
在minizip目录中运行以下命令来生成项目文件:
cmake -S . -B build -D MZ_BUILD_TESTS=ON
cmake --build build
2. 项目的使用说明
minizip-ng提供了创建和提取zip归档文件、添加和删除归档条目等功能。以下是基本的命令行工具使用方法:
- 创建zip归档文件:
./minizip -o output.zip input_directory/
- 提取zip归档文件:
./minizip -e output.zip -d extract_directory
更多详细的使用说明请参考项目的README文件。
3. 项目API使用文档
minizip-ng的API提供了丰富的功能,包括但不限于:
- 创建和提取zip归档文件
- 添加和删除归档条目
- 读取和写入原始zip条目数据
- 支持多种压缩方法,如Zlib、BZIP2、LZMA、XZ和ZSTD
以下是API调用的基本示例:
创建zip归档
MZ ZipWriter *zip = mz_zip_writer_open("output.zip", 0);
if (!zip) {
// 错误处理
}
// 添加文件到zip归档
mz_zip_writer_add_file(zip, "example.txt", "example.txt", MZ_COMPRESSION_DEFAULT);
mz_zip_writer_close(zip);
提取zip归档
MZ ZipReader *zip = mz_zip_reader_open("output.zip");
if (!zip) {
// 错误处理
}
// 遍历并提取文件
while (mz_zip_reader_get_current_file(zip)) {
mz_zip_reader_extract_current_file(zip, "extract_directory");
mz_zip_reader_move_to_next_file(zip);
}
mz_zip_reader_close(zip);
更多API细节和示例请参考项目的官方文档。
4. 项目安装方式
项目可以使用CMake进行构建,支持多种编译选项,以满足不同的编译需求。以下是一些常用的构建选项:
MZ_COMPAT:启用兼容性层MZ_ZLIB:启用ZLIB压缩MZ_BZIP2:启用BZIP2压缩MZ_LZMA:启用LZMA和XZ压缩MZ_ZSTD:启用ZSTD压缩
构建项目时,可以通过以下命令设置这些选项:
cmake -S . -B build -D MZ_ZLIB=ON -D MZ_BZIP2=ON
然后构建项目:
cmake --build build
以上是minizip-ng项目的技术文档,希望对您的使用有所帮助。
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
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
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
213
226
暂无简介
Dart
659
150
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++
656
293
🎉 (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
1.17 K
644
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
489
React Native鸿蒙化仓库
JavaScript
251
320
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
79
104
openGauss kernel ~ openGauss is an open source relational database management system
C++
159
216
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