简单的 C/C++ 项目自动化构建--Xmake

简介: 简单的 C/C++ 项目自动化构建--Xmake

Xmake 简介


https://xmake.io/#/


XMake是一个基于Lua的轻量级跨平台自动构建工具,支持在各种主流平台上构建项目。


Xmake = Build backend + Project Generator + Package Manager


它跟cmake、automake、premake有点类似,但是机制不同,它默认不会去生成IDE相关的工程文件,采用直接编译,并且更加的方便易用 采用lua的工程描述语法更简洁直观,支持在大部分常用平台上进行构建,以及交叉编译。


已经有强大的cmake了,既生瑜何生亮,xmake好在哪?



相比 makefile/CMakeLists.txt,配置语法更加简洁直观,对新手非常友好。短时间内就能快速入门,能够让用户把更多的精力集中在实际的项目开发上。


能够使用它像 Make/Ninja 那样可以直接编译项目,也可以像 CMake/Meson 那样生成工程文件,另外它还有内置的包管理系统来帮助用户解决 C/C++ 依赖库的集成使用问题。


目前,Xmake 主要用于 C/C++ 项目的构建,但是同时也支持其他 native 语言的构建,可以实现跟 C/C++ 进行混合编译,同时编译速度也是非常的快,可以跟 Ninja 持平。


xmake的理念:真正的一致维护, 真正的一键编译。


构建行为的一致性: 不管你的项目是否有库依赖,工具依赖,只需要执行一个xmake命令,即可编译通过。

项目维护的一致性: 不管你的项目是在windows上用,还是给linux, iphone, android上用,都只需要一份xmake.lua维护项目即可。

而cmake还需要生成额外的第三方IDE工程文件,即使cmakelist.txt相同,但是构建、维护体验上对用户来讲都不可能保证完全一致,毕竟还受限于vc/make此类工具。


项目地址:


GitHub - xmake-io/xmake: 🔥 A cross-platform build utility based on Lua


增长趋势图, 比cmake简单好用,有超越cmake之势。它是一个国人开发的不断维护发展壮大的项目,前景不错。



下载安装


windows下,安装包地址:


https://github.com/xmake-io/xmake/releases


或者使用powershell


Invoke-Expression (Invoke-Webrequest 'https://xmake.io/psget.text' -UseBasicParsing).Content


入门使用


创建项目


xmake也完全支持对Qt5项目的维护和构建。先举一个简单的入门例子:


创建一个名叫 hello 的c语言控制台工程(-l选项指定语言,若是cpp则指定为-l c++):


-P 工程名(目录名)


$xmake create -l c -P ./hello


执行完后,将会生成一个简单工程结构:



其中xmake.lua是工程描述文件,内容非常简单,告诉xmake添加src目录下的所有.c源文件:



构建项目


$xmake


运行程序


$xmake run hello



调试程序


$xmake run -d hello


QT的项目创建


基于qt的项目,也是秒建。


举例,创建一个带qml的quickapp空工程,只需要敲如下命令:


$xmake create -t qt.quickapp test


xmake会生成带有xmake.lua的Qt项目,xmake.lua内容也很简单。



会自动检测你的qt本机安装的环境,自动的找到。当然也可以指定:


$xmake f --qt=/home/xxx/qtsdk


或者设置到全局路径,避免每次编译切换都要配置一遍:


$xmake g --qt=/home/xxx/qtsdk


除了源文件的添加,其他基本上都跟之前的可执行程序项目没什么不同,唯一的区别就是通过add_rules("qt.quickapp")这个内置的Qt构建规则来代替set_kind("binary")。


其实qt.quickapp规则内部最终还是设置了binary类型,只不过在此基础上额外增加了一些只有Qt才需要的构建规则,比如:特定links,flags还有includedirs等。


运行下看看:


$xmake run


运行和断点调试


我们可以通过xmake run -d命令来加载gdb/lldb调试程序,或者搭配xmake-vscode插件的断点调试支持,来开发和调试Qt程序。 这块可以阅读前文:xmake从入门到精通3:运行和调试目标程序


集成vcpkg包管理


$xmake f --vcpkg=F:\vcpkg


比如加载以下库,xmake.lua示例:


add_requires("vcpkg::zlib 1.2.11")
target("test")
    add_files("src/*.c")
    add_packages("vcpkg::zlib")


至于加载conan的库,需要下载exe文件。安装后,配置path路径,然后就可以使用了如下:


add_requires("conan::poco/1.9.4", {alias = "poco", debug = true})


添加代理


注意添加代理,这样访问github会快:


$xmake g --proxy_pac=github_mirror.lua


关于包管理


关于包管理,虽然现在已经有了homebrew, vcpkg等包管理工具来解决这一问题,但是多少都有一些局限性。


例如:


  1. homebrew不支持iphoneos, android, windows平台。


  1. vcpkg不支持语义版本选择,多版本管理。


  1. 都不支持项目管理和构建。


做过c、c++开发的朋友都会有找库的痛苦。有时候要编译一个库,这个库又依赖其他的库,需要我们自己去搜索,下载,解压,编译安装,不同的平台编译方法有差异,编译好了又有可能发现需要的库的版本和我们下的不一致,工作要重头再来。


其他语言像java有maven对依赖的jar进行管理,像js有npm来做包管理,rust有cargo,主要这些语言要么背靠一个大公司,要么是一个独立的公司在运作,所以包管理作的都比较不错。


c或c++程序员就比较痛苦了,没有统一的包管理,都没有大规模流行起来,以至于很长时间我都不知道c、c++也有包管理器。后来发现c、c++ 也有些包管理器,比如微软的Vpckg在visual studio下使用;conan 有可能成为事实标准的包管理器,配合cmake,应用还是比较广泛。


关于conan ,conan这5年期间成长还是挺多的,现在可以用的库也达到了八百多个,如果没有的话,也可以很方便的自己写一个,上传到自己的私人包管理服务器里,C++开发终于有了cargo的感觉了。


xmake的包管理工具xrepo


使用举例:


PS F:\ccode\test> xrepo search zlib
The package names:
    zlib:
      -> chromium_zlib-2022.02.22: zlib from chromium (in xmake-repo)
      -> zlib-v1.2.11: A Massively Spiffy Yet Delicately Unobtrusive Compression Library (in xmake-repo)
      -> zlib-ng-2.0.5: zlib replacement with optimizations for next generation systems. (in xmake-repo)
PS F:\ccode\test> xrepo install  zlib 
note: install or modify (m) these packages (pass -y to skip confirm)?
in xmake-repo:
  -> zlib v1.2.11 [vs_runtime:"MT"]
please input: y (y/n/m)
y
  => install zlib v1.2.11 .. ok       


PS F:\ccode\test> xrepo list-repo
global repositories:
    vcpkg https://github.com/microsoft/vcpkg
    conan https://github.com/conan-io/conan-center-index
    build-artifacts https://gitee.com/xmake-mirror/build-artifacts.git main
    xmake-repo https://gitee.com/tboox/xmake-repo.git master
    builtin-repo D:\Program Files\xmake\repository
5 repositories were found!
PS F:\ccode\test> xrepo rm-repo conan
remove global repository(conan): ok!


在xmake.lua下写就更简单了,增加一句话就行:


add_requires("zlib 1.2.11")


还可以用其他包管理器的包,比如:


add_requires("vcpkg::zlib 1.2.11")
target("test")
    add_files("src/*.c")
    add_packages("vcpkg::zlib")


build结果示例


举例,xmake.lua中增加如下库依赖:


add_requires("conan::poco/1.9.4", {alias = "poco", debug = true})


build过程:


PS F:\ccode\test> xmake
checking for Microsoft Visual Studio (x64) version ... 2019
note: install or modify (m) these packages (pass -y to skip confirm)?
in conan:
  -> conan::poco/1.9.4 latest [debug:y, vs_runtime:"MT"]
please input: y (y/n/m)
y
  => install conan::poco/1.9.4 latest .. ok
[ 25%]: compiling.release src\main.c
[ 50%]: linking.release test.exe
[100%]: build ok!


引用


c++基础00-如何让程序运行起来? - 知乎


十分钟搞定 C/C++ 项目自动化构建 —— Xmake 入门指南_蓝桥云课的博客-CSDN博客


xmake · 音视频/C++/k8s/Docker等等 学习笔记 · 看云


xmake自动构建工具 - 简书


TBOOX开源工程


XMake 快速开始_w3cschool


xmake


xmake v2.2.2, 让C/C++拥有包依赖自动构建_waruqi的博客-CSDN博客


xmake从入门到精通6:开发和构建Qt程序 - 知乎


如何评价 xmake? - 知乎


xmake入门,构建项目原来可以如此简单_waruqi的博客-CSDN博客_xmake


3000 字总结:Xmake 从入门到精通! - 知乎


Xmake实战---xmake 与 vscode 集成环境使用_红星星的博客-CSDN博客


xmake 使用方式 - 知乎

相关文章
|
9月前
|
敏捷开发 测试技术 API
测试金字塔:构建高效自动化测试策略的基石
测试金字塔:构建高效自动化测试策略的基石
657 116
|
9月前
|
测试技术 API 数据库
测试金字塔:构建高效自动化测试策略的基石
测试金字塔:构建高效自动化测试策略的基石
665 114
|
9月前
|
设计模式 前端开发 测试技术
告别脆弱:构建稳定UI自动化测试的3个核心策略
告别脆弱:构建稳定UI自动化测试的3个核心策略
830 113
|
9月前
|
JSON 监控 API
n8n错误处理全攻略:构建稳定可靠的自动化工作流
在n8n自动化工作流中,错误是提升系统可靠性的关键。本文详解常见错误类型、节点级与全局处理机制,结合重试、熔断、补偿事务等高级模式,助您构建稳定、可维护的生产级自动化流程。
|
9月前
|
Java 项目管理 Maven
Maven项目管理与构建自动化完全指南
Maven彻底改变了Java项目管理方式,通过POM模型、依赖管理和标准化构建流程,大幅提升开发效率。本文深入解析其核心概念、多模块管理、私服搭建及与Spring Boot、Docker等现代技术栈的集成实践,助力开发者实现高效、规范的项目构建与团队协作。
1328 156
Maven项目管理与构建自动化完全指南
数据采集 Web App开发 人工智能
578 0
|
11月前
|
人工智能 自然语言处理 安全
Milvus x n8n :自动化拆解Github文档,零代码构建领域知识智能问答
本文介绍了在构建特定技术领域问答机器人时面临的四大挑战:知识滞后性、信息幻觉、领域术语理解不足和知识库维护成本高。通过结合Milvus向量数据库和n8n低代码平台,提出了一种高效的解决方案。该方案利用Milvus的高性能向量检索和n8n的工作流编排能力,构建了一个可自动更新、精准回答技术问题的智能问答系统,并介绍了部署过程中的可观测性和安全性实现方法。
1276 0
|
11月前
|
机器学习/深度学习 存储 算法
Trinity-RFT:构建智能体持续学习的自动化强化微调工厂
大型语言模型作为智能体在真实环境中持续交互学习面临诸多挑战。 Trinity-RFT 是通义实验室推出的强化微调框架,旨在实现智能体的持续进化。它通过探索、训练与经验池的解耦设计,支持多样化训练模式,提升资源利用率和学习稳定性。同时,Trinity-RFT 提供灵活的数据处理与算法模块化功能,降低应用与研究门槛,助力迈向终身学习与自主进化的智能体时代。
1068 2
|
12月前
|
XML Java 数据库连接
MyBatis Generator插件使用详解:自动化构建效率提升
总体来说,MyBatis Generator的使用可以显著提高数据访问层代码的编写效率,减少出错概率,并为团队统一代码风格提供便捷。在面对要求快速发展和迭代的软件项目时,MBG的自动化代码生成功能成了不可或缺的辅助工具。
319 0
|
存储 人工智能 运维
企业级MLOps落地:基于PAI-Studio构建自动化模型迭代流水线
本文深入解析MLOps落地的核心挑战与解决方案,涵盖技术断层分析、PAI-Studio平台选型、自动化流水线设计及实战构建,全面提升模型迭代效率与稳定性。
640 6

热门文章

最新文章