xonsh 0.19.2 版本发布:更完善的 Shell 环境配置与历史记录管理
xonsh 是一个基于 Python 的跨平台 shell 语言和命令提示符环境,它结合了 Python 的简洁语法和传统 shell 的强大功能。最新发布的 0.19.2 版本带来了一系列实用的改进和修复,进一步提升了用户体验。
环境变量配置增强
新版本在环境变量配置方面做了重要增强:
-
光标形状定制:新增了
XONSH_PROMPT_CURSOR_SHAPE
环境变量,允许用户自定义提示符下的光标形状。这个功能对于提升终端交互体验很有帮助,特别是在不同操作环境下需要区分输入状态时。 -
标准化目录配置:引入了三个新的环境变量来规范文件存储位置:
XONSH_CONFIG_DIR
:配置文件目录XONSH_DATA_DIR
:数据文件目录XONSH_CACHE_DIR
:缓存文件目录
这种标准化设计使得 xonsh 更加符合现代应用程序的目录规范,便于用户管理和备份相关文件。
信号处理改进
新版本改进了 SIGHUP 信号的处理方式,现在当主 xonsh 进程接收到 SIGHUP 信号时,会将该信号转发给子进程。这一行为与 bash 等传统 shell 保持一致,使得 xonsh 在终端会话管理方面更加符合用户预期。
历史记录功能增强
历史记录管理功能得到了显著改进:
-
JSON 历史后端支持:实现了
history pull
命令对 JSON 历史记录后端的支持,为用户提供了更多历史记录存储选择。 -
会话隔离:
history pull
命令新增了--session-id
参数,允许用户按会话 ID 提取历史记录,这在多会话环境下特别有用。 -
去重优化:修复了
history pull
命令会添加连续重复记录到提示历史的问题,使历史记录更加整洁。
交互体验优化
在用户交互方面,0.19.2 版本做了多项改进:
-
事件处理优化:修复了事件处理程序中运行子命令会阻止 xonsh 退出的问题,提高了 shell 的响应性。
-
自动建议修复:解决了 prompt toolkit 中按上箭头键时自动建议有时不更新的问题,使命令补全更加可靠。
-
目录补全优化:对于基于子进程的补全(如 fish-completer),现在当唯一可用补全以目录分隔符结尾时不再追加空格,这与默认补全器的行为保持一致。
文档完善
新版本还完善了部分文档,特别是明确了 on_postcommand
事件仅在交互模式下触发的行为,帮助开发者更好地理解和使用事件系统。
xonsh 0.19.2 版本的这些改进,从环境配置到交互体验,从历史管理到信号处理,多方面提升了 shell 的实用性和稳定性,是开发者日常工作的有力助手。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~052CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-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。00openHiTLS
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!C0307- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









