攻城利器 —— Carthage简单介绍

简介: 01 Carthage简单介绍     主页:https://github.com/Carthage/Carthage.git     作者:Justin Spahr-Summers等     版本:0.18     目标:用最简单的方式来管理Cocoa第三方框架     性质:第三方框架管理工具(类似于cocoapods) Carthage为用户管理第三方框架和依赖,但不会自动修改项目文件和生成配置,把对项目结构和设置的控制权交给用户。

01 Carthage简单介绍

    主页:https://github.com/Carthage/Carthage.git

    作者:Justin Spahr-Summers等

    版本:0.18

    目标:用最简单的方式来管理Cocoa第三方框架

    性质:第三方框架管理工具(类似于cocoapods) Carthage为用户管理第三方框架和依赖,但不会自动修改项目文件和生成配置,把对项目结构和设置的控制权交给用户。

    原理:自动将第三方框架编程为Dynamic framework(动态库)

    限制:仅支持iOS8+。它只支持框架,所以不能用来针对iOS8以前的系统版本进行开发

 

02 Carthage和cocoapods

    1)使用了CocoaPods的项目是高度集成的,而Carthage更灵活强调尽可能将任务委托给Xcode和Git。

        "CocoaPods在使用中会自动创建和更新workspace、依赖和Pod项目并进行整合;

        "Carthage在使用中不需要创建和集成相应的workspace和project,只需要依赖打包好的framework文件即可。

        "总结一下,CocoaPods的方法更容易使用,而Carthage更灵活且对项目没有侵入性。

    2)CocoaPods相对来说功能要比Carthage多很多,因此也更复杂,而CocoaPods配置简单项目干净。

    3)CocoaPods有一个中心仓库,而Carthage是去中心化的,没有中心服务器也就避免了可能因中心节点错误而带来的失败,即Carthage每次配置和更新环境,只会去更新具体的库,时间更快。

    4)想让自己的第三方库支持Carthage比让其支持CocoaPods更加的简单。

 

    5)Carthage的不足

        ① 库依然不如 CocoaPods 丰富

        ② 仅支持iOS8+

        ③ 工具尚且不如cocoapods晚上(已经发布了app)

        ④ 在使用第三方库的过程中无法查看源码

 

03 Carthage的安装和使用

    1)直接下载Carthage.pkg安装包,安装运行

    2)如果使用的XCode为7.0+版本,那么也可以使用下面的方法来安装

     〇 安装homebrew

$ /usr/bin/ruby -e "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/master/install)"

     ① 升级brew

$ brew update

     ② 使用brew来安装

$ brew install Carthage

     

    ③ 查看版本

   $ Carthage version

 

04 Carthage的使用

    1)先进入到项目所在文件夹

 $ cd 项目路径

    2)创建一个空的Carthage文件

$ touch Cartfile

    3)编辑cartfile文件,例如要安装AFN框架

        git "https://github.com/AFNetworking/AFNetworking.git"

    4)保存并关闭cartfile文件,使用cartfile安装框架

$ Carthage update --platform iOS

   

 5)打开Carthage 查看生产的文件目录

$ open Carthage

       

  文件目录说明:

            "|| Carthage/Checkouts目录:从github获取的源代码

            "|| Carthage/Build目录:编译出来的Framework二进制代码库

    6) 配置项目

        打开项目,点击Target -> Build Phases -> Link Library with Libraries选择Carthage/Build目录中要导入的framework

    7)添加编译的脚本(该脚本文件保证在提交归档时会对相关文件和dSYMs进行复制)

        (1)点击Build Phases,点击“+” ->  New Run Script Phase

    

        (2)添加添加脚本   /usr/local/bin/Carthage copy-frameworks

        (3)添加"Input Files"  $(SRCROOT)/Carthage/Build/iOS/AFNetworking.framework

    

    8)在项目中使用第三方库 #import <AFNetworking/AFNetworking.h>

 

    其它:

        卸载Carthage:$ brew uninstall Carthage

        更新第三方框架:

            更新多个框架:修改Cartfile文件,并重新执行 $ Carthage update 

            更新某个框架:$ Carthage update 具体的框架名称

 

05 Carthage的工作过程说明

    ① 创建一个Cartfile文件,在该文件中列出您想使用的框架

    ② 运行Carthage,获取并编译Cartfile文件中列出的框架

    ③ 把框架的二进制文件配置到项目中

目录
相关文章
|
10天前
|
人工智能 缓存 算法
为什么你学了那么多算法,代码性能还是“一塌糊涂”?
本文针对开发者普遍存在的“学了算法却写不出高性能代码”的痛点,提供了一套系统化的“算法优化AI指令”。该指令旨在引导开发者建立“分析-设计-验证”的工程化思维,通过结构化的提问框架,让AI成为辅助性能优化的“私人教练”,从而将零散的算法知识转化为体系化的实战能力。
142 7
|
14天前
|
人工智能 前端开发 JavaScript
告别"玄学调试":用这份指令让AI成为你的"赛博华佗"
调试占用了开发者50%的时间?本文提供一套专业的AI调试指令,将大模型转化为"拥有10年经验的代码医生"。通过结构化的诊断-修复-预防流程,告别低效的"玄学调试",实现从"修好Bug"到"根治隐患"的质变。
214 6
差异基因分析:fold change(差异倍数), P-value(差异的显著性)
差异基因分析:fold change(差异倍数), P-value(差异的显著性)
4361 0
差异基因分析:fold change(差异倍数), P-value(差异的显著性)
|
11月前
|
Python
灵码回复消息的字体太小,并在pycharm中没法设置.Baidu Comate就可以直接插件中设置了
在使用灵码回复消息时,字体过小且在PyCharm中无法调整。而Baidu Comate插件则可以在插件设置中直接修改字体大小,提供更好的阅读体验。
692 78
|
10月前
|
人工智能 运维 自然语言处理
企业内训新范式:从“知识传递”到“战略杠杆”,如何实现培训价值倍增?
据2024年《中国企业培训白皮书》显示,超过68%的央国企和上市公司已将“业务场景实战”作为内训核心指标,而传统通用型课程采购量同比下降27%。在这场变革中,如何让培训从“知识传递”进化为“战斗力转化”? 本文将结合近两年先锋案例,拆解一套可落地的内训体系构建方法论。
|
10月前
|
人工智能 搜索推荐 安全
正式上线!阿里云短信模板 AI 助手,10 秒生成/改写个性化、合规短信内容
阿里云短信服务 - 短信模板AI 助手已全面开放,欢迎体验!
633 6
|
11月前
|
弹性计算 运维 自然语言处理
Copilot测评报告------终端智能化
作为一名后端开发工程师,我日常需要进行云资源的运维和管理。2025年初,我尝试了阿里云推出的OS Copilot,这款基于大模型的操作系统智能助手支持Alinux、CentOS、Ubuntu等系统,具备自然语言问答、辅助命令执行、系统运维调优等功能。安装过程简单流畅,通过简单的配置即可使用。Copilot不仅能处理复杂指令,还能解释管道命令,极大提升了Linux系统的使用效率。尤其在agent模式下,智能化程度更高,显著减轻了工程师的工作负担。总的来说,Copilot的表现令人惊艳,终端操作从此更加智能便捷。
|
自然语言处理 搜索推荐 机器人
langchain 简介
langchain 简介
1019 1
|
数据采集 存储 人工智能
《文档智能 & RAG让AI大模型更懂业务解决方案评测》
本文介绍了通过文档智能和RAG技术将业务文档整合到大语言模型(LLM)知识库中的实践原理,涵盖了理解情况、技术细节、部署体验、知识库优势及适用场景。重点讨论了文档解析、信息提取、语义理解等步骤,以及RAG技术在LLM中的应用。同时,提出了在技术细节、部署引导、知识库更新和性能优化等方面的改进建议,强调了该方案在企业内部知识管理、客户服务和业务流程自动化中的适用性,但也指出了在安全性、系统集成和性能稳定性方面的不足。
284 0