推荐开源项目:Native File Dialog Extended
在跨平台的软件开发中,实现与操作系统原生界面风格一致的文件对话框是一项挑战。而Native File Dialog Extended,一个基于C的小型库,能够为你解决这个难题。只需编写一次代码,即可在Windows、MacOS和Linux上显示系统默认的文件打开、文件保存和目录选择对话框,无需依赖大型库如wxWidgets或Qt。
项目介绍
Native File Dialog Extended 是Michael Labbe的Native File Dialog的一个扩展版本。它提供了一个简洁的C语言API,并以静态库的形式发布。该库支持Windows(MSVC、MinGW、Clang)、MacOS(Clang)以及Linux(GTK和xdg-desktop-portal)。它的主要特性包括友好的过滤器名、自动添加文件扩展名、设置默认路径和文件名等功能,保证了在各个平台上的一致性和便利性。
技术分析
该项目使用现代CMake构建系统,易于集成到你的项目中。其核心是通过C语言接口来调用各平台的本地对话框,同时也提供了C++包装器,便于那些使用C++的开发者。特别地,Windows环境下采用COM接口,Linux下可以使用GTK或xdg-desktop-portal,使得文件选择体验更加原生。
应用场景
任何需要在不同操作系统上展示文件对话框的跨平台应用都可以利用这个库。例如,文本编辑器、图像处理工具、游戏等,无论是在桌面环境还是移动设备上,都能够无缝地融入用户的操作习惯。
项目特点
- 小巧轻便:静态库,不依赖额外的大规模库。
- 跨平台兼容:支持Windows、MacOS和Linux,展现原生对话框效果。
- 友好功能:过滤器的友好看法,自动添加文件扩展名,支持设置默认路径和文件名。
- UTF-8支持:确保所有平台的国际化字符集支持。
- 初始化管理:允许自由控制平台特定库的初始化和关闭。
- 多文件选择支持:在文件打开对话框中可以选择多个文件。
- C++包装器:对于C++开发者,提供了自动释放的便利接口。
使用案例
下面是一个简单的C代码示例,演示如何打开文件对话框:
#include <nfd.h>
#include <stdio.h>
#include <stdlib.h>
int main(void) {
NFD_Init();
nfdchar_t *outPath;
// 定义文件过滤器
nfdfilteritem_t filterItem[] = {{ "Source code", "c,cpp,cc" }, { "Headers", "h,hpp" }};
nfdresult_t result = NFD_OpenDialog(&outPath, filterItem, sizeof(filterItem)/sizeof(filterItem[0]), NULL);
if (result == NFD_OKAY) {
printf("成功选中:%s\n", outPath);
NFD_FreePath(outPath);
} else if (result == NFD_CANCEL) {
printf("用户取消了选择。\n");
} else {
printf("错误:%s\n", NFD_GetError());
}
NFD_Quit();
return 0;
}
想要了解更多,请查阅项目中的示例程序和完整的C头文件NFD.h。
总的来说,Native File Dialog Extended 是跨平台应用开发者的一款理想工具,它简化了文件对话框的实现,提高了用户体验,且易于整合进现有项目。无论是新手还是经验丰富的开发者,都值得尝试并将其纳入你的开发工具箱。
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。C097
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
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
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00