archinstall打印机驱动:HPLIP与CUPS配置教程
你是否在Arch Linux上为打印机配置而烦恼?本文将详细介绍如何在archinstall环境中安装和配置HPLIP(惠普Linux成像和打印)与CUPS(通用Unix打印系统),让你的打印机顺利工作。读完本文,你将能够完成从驱动安装到打印机添加的全过程。
安装必要的打印机相关工具
在archinstall中,部分桌面环境已经集成了打印机配置工具。例如Cinnamon桌面环境的配置文件中就包含了system-config-printer工具,该工具可以帮助用户图形化地管理打印机。相关代码可以在archinstall/default_profiles/desktops/cinnamon.py中查看,其中第16行明确列出了该工具的安装。
除了桌面环境集成的工具外,我们还需要安装HPLIP和CUPS。HPLIP是惠普打印机的驱动程序,而CUPS是Unix-like系统下的打印服务。可以通过以下命令安装:
pacman -S hplip cups
启动并启用CUPS服务
安装完成后,需要启动CUPS服务并设置其开机自启。CUPS服务负责管理打印队列和打印机设备,只有启动该服务,打印机才能正常工作。执行以下命令:
systemctl start cups
systemctl enable cups
配置HPLIP
HPLIP提供了图形化的配置工具,通过该工具可以轻松设置惠普打印机。在终端中输入以下命令启动HPLIP配置工具:
hp-setup
按照工具的提示,选择连接方式(USB或网络),然后选择对应的打印机型号,工具会自动下载并安装合适的驱动。如果你的打印机是网络打印机,需要确保打印机与电脑在同一网络中,并且知道打印机的IP地址或主机名。
添加打印机到CUPS
打开浏览器,访问CUPS的管理界面:http://localhost:631。在管理界面中,点击“添加打印机”,按照提示选择打印机的连接方式和型号。如果已经安装了HPLIP驱动,CUPS应该能自动识别到惠普打印机。
添加完成后,可以在系统设置-打印机中查看和管理已添加的打印机,也可以通过CUPS的管理界面进行更高级的设置。
测试打印功能
配置完成后,建议进行打印测试。可以通过以下命令打印一个测试页:
lp /usr/share/cups/data/testprint.ps
如果打印机成功打印出测试页,说明配置正确。如果遇到问题,可以查看CUPS的日志文件,日志路径可以在archinstall/lib/installer.py的第134行找到相关的日志处理逻辑,通过日志可以排查打印失败的原因。
常见问题解决
- 如果无法启动CUPS服务,可能是端口被占用或配置文件错误。可以检查CUPS的配置文件
/etc/cups/cupsd.conf,确保配置正确。 - HPLIP无法识别打印机时,可能是驱动未正确安装。可以尝试更新HPLIP到最新版本,或者手动下载对应型号的驱动。
- 打印队列出现错误时,可以通过CUPS管理界面清除打印队列,或者重启CUPS服务。
通过以上步骤,应该能够顺利在archinstall中配置好HPLIP和CUPS,让你的打印机正常工作。如果遇到其他问题,可以参考Arch Linux的官方文档或相关论坛寻求帮助。
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 StartedRust0199
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 Notebook0130
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
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
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07