CMake教程:构建跨平台的项目管理利器
项目介绍
CMake是一款广泛使用的跨平台自动化构建系统,自1999年起由Kitware开发,旨在简化各种编程语言(主要是C++)项目的构建过程。它支持Windows、Linux、macOS等多个操作系统,以及Make、Ninja、Xcode、Visual Studio等多种构建工具。CMake通过一套统一的脚本语言来描述项目结构,编译配置,从而生成对应平台的本地构建文件,实现了源码一次编写,多平台构建的目标。CMake采用BSD-3-Clause许可协议发布,是开源社区的重要组成部分。
项目快速启动
要开始使用CMake,首先确保已安装了最新版本的CMake。你可以从官方网站下载或通过包管理器安装。
安装CMake
以Ubuntu为例,安装命令如下:
sudo apt-get install cmake
对于MacOS,可以使用Homebrew:
brew install cmake
创建基本CMakeLists.txt
在一个新项目目录中创建一个名为CMakeLists.txt的文件,这是CMake配置的核心。一个简单的示例如下:
cmake_minimum_required(VERSION 3.10)
project(MyProject)
set(CMAKE_CXX_STANDARD 11)
set(CMAKE_CXX_STANDARD_REQUIRED True)
add_executable(MyProject main.cpp)
这定义了一个最小的CMake项目,设置C++11标准,并添加了一个可执行目标MyProject。
构建项目
在项目目录中打开终端,运行以下命令来构建项目:
mkdir build
cd build
cmake ..
make
这些命令先创建一个build目录用于存放构建产物,然后通过CMake生成Makefile,最后使用make命令进行实际构建。
应用案例和最佳实践
目标依赖管理
当你有一个项目包含多个库和可执行文件时,CMake可以帮助清晰地管理它们之间的依赖关系。例如,如果你有一个库MyLib被另一个可执行文件App使用,则在CMakeLists.txt中这样写:
add_library(MyLib src/mylib.cpp)
add_executable(App src/main.cpp)
target_link_libraries(App MyLib)
编译特征检测
CMake支持自动检测编译器特性,保证代码的跨平台兼容性。如使用check_cxx_compiler_flag检测某个特定编译选项是否可用:
include(CheckCXXCompilerFlag)
check_cxx_compiler_flag(-fsomething MY_COMPILER_SUPPORTS_SOMETHING)
if(MY_COMPILER_SUPPORTS_SOMETHING)
set(CMAKE_CXX_FLAGS "${CMAKE_CXX_FLAGS} -fsomething")
endif()
典型生态项目
CMake因其灵活性和跨平台能力,已被大量知名软件项目采纳,包括但不限于Blender、ATLAS物理实验、Qt等大型项目的构建。例如,Blender使用CMake来处理其复杂的应用程序结构,实现高效的编译和打包流程。这展示出CMake在大型项目管理和构建中的重要地位。
以上便是CMake的基本使用教程,它强大的功能远不止于此,深入探索CMake的高级特性和技巧,将使你的项目管理更加得心应手。
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
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!Kotlin08
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