推荐使用prettyplease:一个高效的Rust代码格式化工具
2024-08-29 09:29:11作者:牧宁李
项目介绍
prettyplease 是一个基于 syn 语法树的最小化代码格式化工具,旨在将 syn 语法树转换为格式良好的源代码字符串。与 rustfmt 不同,prettyplease 专为任意生成的代码设计,确保在处理复杂或生成的代码时不会出现格式化失败的情况。
项目技术分析
prettyplease 采用最简单的算法和数据结构,以达到接近 rustfmt 格式化质量的95%。在实际测试中,大约97-98%的输出行与 rustfmt 的格式化结果相同,其余部分虽然有轻微的换行决策差异,但仍然符合现代 Rust 的编码风格。
项目及技术应用场景
prettyplease 特别适合用于生成代码的场景,如 bindgen 或 cargo-expand 的输出。在这些场景中,确保整个代码能够被格式化而不出现格式化失败的情况,比追求完美的格式化更为重要。
项目特点
- 高效稳定:在处理大型或生成的代码时表现出色,不会出现格式化失败的情况。
- 接近
rustfmt的质量:输出结果与rustfmt格式化结果高度一致,符合现代 Rust 编码风格。 - 轻量级:依赖少,编译时间短,适合作为库集成到项目中。
- 兼容性:支持使用稳定的 Rust 编译器进行构建,并已发布到
crates.io。
示例代码
以下是一个简单的示例,展示了如何使用 prettyplease 格式化代码:
// [dependencies]
// prettyplease = "0.2"
// syn = { version = "2", default-features = false, features = ["full", "parsing"] }
const INPUT: &str = stringify! {
use crate::{
lazy::{Lazy, SyncLazy, SyncOnceCell}, panic,
sync::{ atomic::{AtomicUsize, Ordering::SeqCst},
mpsc::channel, Mutex, },
thread,
};
impl<T, U> Into<U> for T where U: From<T> {
fn into(self) -> U { U::from(self) }
}
};
fn main() {
let syntax_tree = syn::parse_file(INPUT).unwrap();
let formatted = prettyplease::unparse(&syntax_tree);
print!("{}", formatted);
}
通过以上介绍和示例,相信您已经对 prettyplease 有了全面的了解。如果您正在寻找一个高效、稳定且轻量级的 Rust 代码格式化工具,prettyplease 无疑是一个值得尝试的选择。
登录后查看全文
热门项目推荐
相关项目推荐
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 StartedRust0180
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 Notebook0108
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。Java03
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 Notebook08
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
757
4.93 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
853
1.9 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
673
1.31 K
Ascend Extension for PyTorch
Python
716
862
openEuler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。
C
454
435
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++
1.03 K
1.08 K
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
983
581
Claude 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 Started
Rust
1.74 K
180
昇腾LLM分布式训练框架
Python
177
216
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
149
250