Onigmo 技术文档
1. 安装指南
Onigmo 是一个正则表达式库,支持多种平台。以下是不同平台的安装步骤:
Unix 和 Cygwin 平台
- 执行
./autogen.sh(如果configure文件不存在)。 - 执行
./configure。 - 执行
make。 - 执行
make install。
- 进行测试:执行
make test。 - 卸载:执行
make uninstall。 - 配置检查:执行
onigmo-config --cflags、onigmo-config --libs、onigmo-config --prefix和onigmo-config --exec-prefix。
Windows 64/32位平台(Visual C++)
执行 build_nmake.cmd。build_x64 或 build_x86 将用作工作/输出目录。
-
onigmo_s.lib:静态链接库。 -
onigmo.lib:动态链接库的导入库。 -
onigmo.dll:动态链接库。 -
测试(ASCII/Shift_JIS/EUC-JP/Unicode):执行
build_nmake.cmd test。需要与 Onigmo 同位数的 Python 来运行测试。
Windows 64/32位平台(MinGW)
执行 mingw32-make -f win32/Makefile.mingw。build_x86-64、build_i686 等将用作工作/输出目录。
-
libonigmo.a:静态链接库。 -
libonigmo.dll.a:动态链接库的导入库。 -
onigmo.dll:动态链接库。 -
测试(ASCII/Shift_JIS/EUC-JP/Unicode):执行
mingw32-make -f win32/Makefile.mingw test。需要与 Onigmo 同位数的 Python 来运行测试。 -
如果在 MSYS2 上使用 MinGW,也可以像 Unix 一样使用
./configure和make。在这种情况下,DLL 名称将包含 API 版本号。例如:libonigmo-6.dll。
2. 项目使用说明
要使用 Onigmo,需要在程序中包含 onigmo.h 头文件。有关 Onigmo API 的详细信息,请参阅 doc/API。
如果希望在 onigmo.h 中禁用 UChar 类型的定义(等于 unsigned char),请定义 ONIG_ESCAPE_UCHAR_COLLISION,然后包含 onigmo.h。
如果希望在 onigmo.h 中禁用 regex_t 类型的定义,请定义 ONIG_ESCAPE_REGEX_T_COLLISION,然后包含 onigmo.h。
在 Unix 或 Cygwin 中的编译/链接命令行示例(假设前缀为 /usr/local):
cc sample.c -L/usr/local/lib -lonigmo
如果希望在 Win32 上使用静态链接库(onigmo_s.lib),请在 C 编译器中添加 -DONIG_EXTERN=extern 选项。
3. 项目 API 使用文档
Onigmo 的 API 文档位于 doc/API 目录中。有关如何使用这些 API 的详细信息,请参考该文档。
4. 项目安装方式
Onigmo 的安装方式已在“安装指南”部分详细介绍,根据不同的操作系统平台,安装方式略有不同。请参照相应的步骤进行安装。
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 StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0117
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook09