解决electron-builder在Windows构建时文件路径过长的问题
问题背景
在使用electron-builder构建Electron应用时,许多开发者遇到了一个常见问题:在Windows环境下,特别是使用pnpm作为包管理器时,构建过程中会出现"!include: could not open file"的错误。这个问题主要出现在GitHub Actions等CI环境中,但有时也会在本地开发环境中出现。
问题表现
错误信息通常如下所示:
!include: could not open file: "...\node_modules\.pnpm\app-builder-lib@25.0.0-alpha.6...\node_modules\app-builder-lib\templates\nsis\include\StdUtils.nsh"
Error in script "<stdin>" on line 1 -- aborting creation process
根本原因
这个问题主要由以下几个因素共同导致:
-
Windows文件路径长度限制:尽管现代Windows系统已经支持长路径,但某些工具和场景下仍然存在限制。
-
pnpm的虚拟存储结构:pnpm使用硬链接和符号链接来管理依赖,这会导致node_modules目录结构比npm/yarn更深。
-
CI环境的工作目录:GitHub Actions等CI平台通常会在较深的目录路径下运行构建,进一步加剧了路径长度问题。
-
electron-builder的NSIS脚本引用:构建过程中需要引用位于node_modules深处的NSIS脚本文件。
解决方案
1. 降级electron-builder版本
临时解决方案是降级到已知可用的版本:
- electron-builder 24.9.1
- electron-builder 24.13.0
2. 配置pnpm的虚拟存储路径
在项目根目录的.npmrc文件中添加以下配置:
virtual-store-dir-max-length=80
这个配置会限制pnpm创建的虚拟存储目录的路径长度。需要注意的是:
- 修改配置后需要重新运行pnpm install
- 对于monorepo项目,需要在根目录的.npmrc中配置
3. 启用Windows长路径支持
虽然GitHub Actions的Windows环境默认已启用长路径支持,但在本地开发环境中可以执行以下PowerShell命令确保启用:
Set-ItemProperty -Path "HKLM:\SYSTEM\CurrentControlSet\Control\FileSystem" -Name "LongPathsEnabled" -Value 1
4. 调整项目目录结构
将项目放在更接近根目录的位置,例如:
- 不推荐:C:\Users\username\long\path\to\project
- 推荐:C:\projects\my-project
最佳实践建议
-
版本兼容性:目前推荐使用electron 30.x + electron-builder 24.9.1的组合
-
CI环境优化:
- 在GitHub Actions中,优先使用pnpm的路径长度限制配置
- 确保构建步骤在修改.npmrc后执行pnpm install
-
长期解决方案:
- 关注electron-builder的未来版本更新
- 考虑向electron-builder项目提交改进建议
总结
Windows环境下的文件路径长度限制与pnpm的目录结构设计相结合,导致了electron-builder构建过程中的文件访问问题。通过合理配置pnpm或调整electron-builder版本,开发者可以有效解决这一问题。随着工具的不断演进,这个问题有望在未来的版本中得到根本性解决。
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 StartedRust0212
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 Notebook0137
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
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03