WixSharp项目v2.4.4.0版本发布:增强WiX工具集集成能力
WixSharp是一个基于C#的开源项目,它为Windows Installer XML(WiX)工具集提供了强大的.NET封装。通过WixSharp,开发者可以使用C#代码来构建Windows安装程序,避免了直接编写复杂的WiX XML文件的繁琐过程。该项目极大地简化了Windows安装程序的创建流程,同时保留了WiX工具集的所有强大功能。
版本亮点
最新发布的WixSharp v2.4.4.0版本带来了一系列重要改进和功能增强,主要集中在COM注册、项目平台兼容性和UI显示等方面。这些改进使得WixSharp在构建Windows安装程序时更加灵活和可靠。
核心改进
COM注册功能增强
新版本对COM组件的注册功能进行了重要改进。现在开发者可以直接将ProgId附加到组件上,而无需进行完整的COM注册。这一变化为那些只需要部分COM功能的应用场景提供了更大的灵活性。
同时,版本还修复了与Extensions.GenericEntities、MIMETypes和Verbs属性相关的问题。现在,当设置这些属性中的任何一个时,必须同时设置所有三个属性,确保了配置的一致性。
项目平台兼容性修复
针对.NET Core项目,v2.4.4.0版本解决了项目平台(Platform)属性与WxsFiles.Add()方法之间的兼容性问题。这一修复使得在.NET Core环境下使用WixSharp构建安装程序更加顺畅,减少了开发者在跨平台开发中可能遇到的障碍。
引导程序变量格式化
新版本改进了引导程序中变量的处理方式,现在支持格式化变量。这一增强使得在安装过程中动态生成路径、名称等字符串变得更加方便,提高了安装程序配置的灵活性。
Wix4 UI显示修复
针对Wix4工具集,修复了在使用WixUI_Common界面时对话框图片不显示的问题。现在,当设置UI=WixUI_Common时,无需额外添加UIRef Id=WixUI_Common声明,图片也能正常显示。这一改进简化了UI配置流程,提升了开发效率。
技术实现细节
WixSharp v2.4.4.0在底层实现上做了多项优化。对于COM注册的处理,现在采用了更加灵活的模型,允许组件与ProgId的直接关联,而不强制要求完整的COM注册流程。这种设计既满足了基本需求,又避免了不必要的注册表项创建。
在平台兼容性方面,新版本通过重构项目模型,确保Platform属性与文件添加操作能够协同工作。特别是在.NET Core环境下,这种改进显著提升了API的一致性和可用性。
对于UI显示问题,修复涉及到了Wix4工具集的资源加载机制。现在安装程序能够正确识别和加载与对话框关联的图片资源,无论开发者是否显式声明UIRef元素。
应用场景
这些改进使得WixSharp在以下场景中表现更佳:
- 需要轻量级COM支持的应用程序安装
- 跨平台构建的.NET Core项目
- 需要复杂变量处理的引导程序
- 使用标准WixUI界面且包含自定义图片的安装程序
升级建议
对于现有项目,建议开发者评估新版本中与COM注册相关的改动是否会影响现有安装逻辑。特别是那些依赖特定COM注册行为的应用程序,可能需要调整组件配置。
对于新项目,可以直接采用v2.4.4.0版本,利用其改进的平台兼容性和UI支持特性。在.NET Core环境中开发时,现在可以更加放心地使用Platform属性和文件添加API。
WixSharp v2.4.4.0的这些改进进一步巩固了它作为WiX工具集.NET封装的领先地位,为Windows安装程序的开发提供了更加完善和可靠的解决方案。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
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
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!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00