Xmake项目中的目标输出路径管理新特性
在C/C++项目构建工具Xmake的最新版本中,引入了一系列关于目标输出路径管理的重要改进,为开发者提供了更灵活的文件输出控制能力。这些改进主要包括set_targetdir接口的扩展和新增的artifactfile接口。
传统输出路径管理方式
在之前的Xmake版本中,开发者只能通过set_targetdir接口统一设置所有类型输出文件的存放目录。例如:
set_targetdir("$(builddir)/out")
target("x")
set_kind("binary")
target("y")
set_kind("shared")
target("z")
set_kind("static")
在Windows MSVC环境下,上述配置会导致所有输出文件都存放在build/out目录下,包括可执行文件、动态链接库、导入库和静态库。这种统一存放的方式虽然简单,但在大型项目中可能会导致输出目录混乱,不利于文件管理。
扩展的set_targetdir接口
新版本的Xmake对set_targetdir接口进行了功能扩展,允许开发者通过选项参数指定不同类型的输出文件子目录:
set_targetdir("$(builddir)/out", {
bindir = "bin", -- 可执行文件和动态链接库目录
libdir = "lib" -- 导入库和静态库目录
})
这种配置方式借鉴了CMake中RUNTIME_OUTPUT_DIRECTORY、LIBRARY_OUTPUT_DIRECTORY和ARCHIVE_OUTPUT_DIRECTORY的设计理念,但提供了更加简洁的语法。
配置后,输出文件结构将变得更加清晰:
+ build
+ out
+ bin
- x.exe -- 可执行文件
- y.dll -- 动态链接库
+ lib
- y.lib -- 导入库(implib)
- z.lib -- 静态库
新增的artifactfile接口
为了更方便地获取特定类型的输出文件路径,Xmake新增了artifactfile接口:
target:artifactfile(<type>)
目前该接口主要支持获取Windows平台下动态链接库的导入库路径(通过"implib"参数)。对于非Windows平台或不支持的类型,接口将返回nil。
使用示例:
target("x")
set_kind("shared")
add_files("src/x.cpp")
set_targetdir("$(builddir)/out", { bindir = "bin", libdir = "lib" })
on_load(function (target)
print(target:targetfile()) -- 输出主目标文件路径
print(target:artifactfile("implib")) -- 输出导入库路径
end)
在不同平台下的输出示例:
- Windows MSVC:
build\out\bin\x.dll build\out\lib\x.lib - MinGW:
build\out\bin\libx.dll build\out\lib\libx.dll.a
实际应用价值
这些改进为Xmake项目带来了以下优势:
-
更清晰的项目结构:通过分离不同类型的输出文件,使构建目录更加整洁有序,便于管理和维护。
-
更好的跨平台支持:自动处理不同平台下文件命名和路径的差异,如MSVC的
.lib和MinGW的.dll.a。 -
更灵活的构建配置:开发者可以精确控制各类输出文件的位置,满足各种项目组织需求。
-
简化构建后处理:通过
artifactfile接口可以方便地获取特定类型文件的路径,便于后续的打包、部署等操作。
这些特性使得Xmake在构建系统功能上更加完善,为开发者提供了更强大的项目管理能力,特别是在处理复杂项目结构和跨平台构建时,能够显著提高开发效率。
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。C084
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python056
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0135
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