p7zip-zstd 项目启动与配置文档
1、项目的目录结构及介绍
p7zip-zstd 是一个基于 7-Zip 的开源项目,旨在为 Unix-like 系统提供 7z 压缩工具。该项目支持多种现代压缩算法,包括 Brotli、Fast LZMA2、LZ4、LZ5、Lizard 和 Zstd。项目目录结构如下:
p7zip/
├── CPP/7zip/Bundles/Alone2 # 7zz 独立程序目录
├── CPP/7zip/Bundles/Alone # 7za 独立程序目录
├── CPP/7zip/Bundles/Alone7z # 7zr 独立程序目录
├── CPP/7zip/Bundles/Format7zF # 7z.so 动态库目录
├── CPP/7zip/UI/Console # 7z 命令行界面目录
├── CPP/7zip/UI/GUI # 7z 图形界面目录
├── CPP/7zip/UI/IDE # 7z 集成开发环境目录
├── CPP/7zip/UI/Explorer # 7z 文件浏览器目录
├── CPP/7zip/UI/Far # 7z Far Manager 插件目录
├── CPP/7zip/UI/PowerShell # 7z PowerShell 插件目录
└── CPP/7zip/UI/QConsole # 7z Qt 命令行界面目录
2、项目的启动文件介绍
p7zip-zstd 项目提供了多种启动方式,包括 7zz、7za、7zr 和 7z.so。以下是各种启动方式的简介:
-
7zz:这是项目的默认启动方式,支持多种压缩算法和格式,包括 7z、Zip、Gzip、Bzip2、Tar 等。7zz 独立程序位于
CPP/7zip/Bundles/Alone2目录下,使用以下命令编译:cd p7zip/CPP/7zip/Bundles/Alone2 && make -f makefile.gcc或者:
cd p7zip/CPP/7zip/Bundles/Alone2 && make -f ../../cmpl_gcc.mak -
7za:这是 7-Zip 的命令行版本,支持 7z 和 Zip 格式。7za 独立程序位于
CPP/7zip/Bundles/Alone目录下,使用以下命令编译:cd p7zip/CPP/7zip/Bundles/Alone && make -f makefile.gcc或者:
cd p7zip/CPP/7zip/Bundles/Alone && make -f ../../cmpl_gcc.mak -
7zr:这是 7-Zip 的轻量级命令行版本,支持 7z 格式。7zr 独立程序位于
CPP/7zip/Bundles/Alone7z目录下,使用以下命令编译:cd p7zip/CPP/7zip/Bundles/Alone7z && make -f makefile.gcc或者:
cd p7zip/CPP/7zip/Bundles/Alone7z && make -f ../../cmpl_gcc.mak -
7z.so:这是 7z 的动态库版本,可以嵌入到其他应用程序中。7z.so 动态库位于
CPP/7zip/Bundles/Format7zF目录下,使用以下命令编译:cd p7zip/CPP/7zip/Bundles/Format7zF && make -f makefile.gcc或者:
cd p7zip/CPP/7zip/Bundles/Format7zF && make -f ../../cmpl_gcc.mak
3、项目的配置文件介绍
p7zip-zstd 项目支持多种配置文件,用于设置压缩算法、压缩级别、压缩格式等参数。以下是一些常用的配置文件:
-
7z.so 配置文件:该配置文件位于
CPP/7zip/Bundles/Format7zF目录下,用于设置 7z.so 动态库的参数。例如,可以设置压缩算法、压缩级别、压缩格式等。 -
7z 命令行配置文件:该配置文件位于
CPP/7zip/UI/Console目录下,用于设置 7z 命令行的参数。例如,可以设置压缩算法、压缩级别、压缩格式等。 -
7z GUI 配置文件:该配置文件位于
CPP/7zip/UI/GUI目录下,用于设置 7z 图形界面的参数。例如,可以设置压缩算法、压缩级别、压缩格式等。 -
7z PowerShell 配置文件:该配置文件位于
CPP/7zip/UI/PowerShell目录下,用于设置 7z PowerShell 插件的参数。例如,可以设置压缩算法、压缩级别、压缩格式等。
通过修改这些配置文件,可以调整 p7zip-zstd 项目的压缩参数,以满足不同的需求。
kernelopenEuler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。C036
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00