Swift 中的 Protocol Buffers:基于protobuf-swift 的实战指南
项目介绍
protobuf-swift 是一个用于苹果 Swift 环境下的 Google Protocol Buffers 实现。它允许开发者在高效的序列化数据格式和 Swift 语言的安全性之间架起桥梁。此项目源自 Google 的原生 Protocol Buffers 技术,并且特别适配了 Swift 开发的需求。
项目快速启动
安装 Protocol Buffers 编译器(protoc)
在 Ubuntu 上手动安装(示例为 v3.2.0):
- 下载 protoc 3.2.0 版本。
wget https://github.com/google/protobuf/releases/download/v3.2.0/protobuf-cpp-3.2.0.tar.gz - 解压缩并编译安装。
tar xzf protobuf-cpp-3.2.0.tar.gz cd protobuf-3.2.0 ./autogen.sh ./configure make && sudo make install
使用 Homebrew(Mac OS):
如果你正在使用 Mac,可以通过 Homebrew 更简化地安装 protoc 和 protobuf-swift。
首先安装 Homebrew,如果未安装的话:
/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"
然后安装 protoc:
brew install protobuf
以及 protobuf-swift 相关工具:
git clone https://github.com/alexeyxo/protobuf-swift.git
cd protobuf-swift
./script/build.sh
添加到你的项目中
-
CocoaPods: 在 Podfile 中添加以下行,然后运行
pod install。use_frameworks! pod 'ProtocolBuffers-Swift' -
Carthage: 在 Cartfile 中写入:
github "alexeyxo/protobuf-swift"
接下来,你需要为你的 .proto 文件生成 Swift 代码。这通常通过 protoc 和特定于 Swift 的插件来完成。
应用案例和最佳实践
假设你有一个简单的 .proto 文件定义,如 person.proto:
syntax = "proto3";
message Person {
int32 id = 1;
string name = 2;
string email = 3;
}
-
使用 protoc 生成 Swift 代码:
protoc --swift_out=. person.proto -
在 Swift 中使用生成的类进行序列化和反序列化:
import ProtocolBuffers
let person = Person(id: 123, name: "Alice", email: "alice@example.com")
let data = try person.data()
// 反序列化
if let deserializedPerson = Person.parse(from: data) {
print(deserializedPerson)
}
典型生态项目
除了 protobuf-swift,还有另一个备受瞩目的生态项目——apple/swift-protobuf,由苹果官方维护,它提供了一个更加成熟稳定的解决方案,支持最新的 Swift 版本和特性,包括更好的集成性和错误处理机制。如果你的项目需要长期支持和社区活跃度更高的库,建议考虑使用 swift-protobuf。
使用 swift-protobuf 的基本步骤类似,但是它可能提供了更现代的API和支持方式,比如自动代码生成配置更加简便,同时与 Swift 生态系统有更好的整合体验。
以上就是快速上手 protobuf-swift 的简要教程,确保在实际应用时查阅最新版本的文档以获取最准确的信息和推荐做法。
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