OpenJK项目在Ubuntu arm64平台编译Jedi Outcast指南
2025-07-04 17:05:35作者:郜逊炳
背景介绍
OpenJK是一个开源的Jedi Knight游戏引擎项目,旨在为经典的星球大战游戏Jedi Outcast和Jedi Academy提供现代化的支持。对于希望在Ubuntu arm64架构设备上运行Jedi Outcast游戏的用户,由于官方发布的二进制文件仅支持x86_64架构,因此需要从源代码进行编译。
准备工作
在开始编译前,需要确保系统已安装必要的开发工具和依赖库:
-
安装基础编译工具链:
sudo apt update sudo apt install build-essential cmake git -
安装SDL2、OpenAL等依赖库:
sudo apt install libsdl2-dev libopenal-dev
编译步骤
-
获取源代码:
git clone https://github.com/JACoders/OpenJK.git cd OpenJK -
修改CMake配置启用Jedi Outcast编译选项: 编辑CMakeLists.txt文件,将以下选项设置为ON:
BuildJK2SPEngine BuildJK2SPGame BuildJK2SPRdVanilla -
生成构建系统:
mkdir build cd build cmake .. -
开始编译:
make -j$(nproc) -
安装编译结果:
make install
部署游戏文件
编译完成后,需要将生成的文件正确部署到游戏目录中:
-
确保Jedi Outcast的GameData目录结构正确,保留base文件夹和version.inf文件
-
从Jedi Academy的GameData目录复制以下文件到Jedi Outcast的GameData目录:
- cgamex86.so
- uix86.so
- SDL2.so
- OpenAL.so
- jospgamex86.so
- rdjosp-vanilla_x86.so
-
将openjo_sp重命名为jk2sp
注意事项
-
目前OpenJK对Jedi Outcast的支持仍处于实验阶段,可能存在一些未修复的bug
-
多人在线模式在Jedi Outcast版本中暂不支持
-
如果遇到编译错误,可能需要检查依赖库是否完整安装,特别是arm64架构的兼容性
-
对于不同的Ubuntu版本,可能需要调整部分依赖库的版本
通过以上步骤,用户可以在Ubuntu arm64设备上成功编译并运行Jedi Outcast游戏。这一过程展示了开源项目在不同硬件架构上的灵活性和可移植性优势。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
jiuwenclawJiuwenClaw 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0190- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
AtomGit城市坐标计划AtomGit 城市坐标计划开启!让开源有坐标,让城市有星火。致力于与城市合伙人共同构建并长期运营一个健康、活跃的本地开发者生态。01
awesome-zig一个关于 Zig 优秀库及资源的协作列表。Makefile00
项目优选
收起
deepin linux kernel
C
27
12
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
599
4.04 K
Ascend Extension for PyTorch
Python
440
531
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++
921
769
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
370
250
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.46 K
822
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
112
169
暂无简介
Dart
844
204
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
69
21
昇腾LLM分布式训练框架
Python
130
156