Project Icon

cargo-msrv

探索Rust项目的最低版本兼容性

cargo-msrv工具用于识别Rust项目的最低支持版本。它具备查找、验证MSRV和列出依赖项MSRV等功能,可通过cargo、Docker或Arch Linux安装。该工具提供详细使用说明和自定义选项,有助于提高项目兼容性管理效率,同时支持Rust生态系统的版本控制。cargo-msrv适用于各类Rust项目,为开发者提供了便捷的版本兼容性分析方案。

cargo-msrv

这个 crate 可以帮助你找出某个 crate 的最低支持 Rust 版本。

本自述文件包含了帮助你入门的所有内容。你可以在 cargo-msrv 手册 中找到更详细的说明。

安装

cargo(crates.io 源

cargo支持命令
stable💚$ cargo install cargo-msrv
beta💚$ cargo install cargo-msrv --version 0.16.0-beta.25
development

cargo(git 源

cargo支持命令
stable💚$ cargo install --git https://github.com/foresterre/cargo-msrv.git --tag v0.15.1 cargo-msrv
beta💚$ cargo install --git https://github.com/foresterre/cargo-msrv.git --tag v0.16.0-beta.25 cargo-msrv
development💚$ cargo install --git https://github.com/foresterre/cargo-msrv.git cargo-msrv

cargo-binstall

cargo支持命令
stable💚$ cargo binstall --version 0.15.1 --no-confirm cargo-msrv
beta💚$ cargo binstall --version 0.16.0-beta.25 --no-confirm cargo-msrv
development

Arch Linux extra 仓库

  • pacman -S cargo-msrv

Docker

你可以使用以下命令通过 Docker 构建和运行:

  • $ docker build -t cargo-msrv .
  • $ docker run -t -v "$(pwd)/Cargo.toml":/app/Cargo.toml cargo-msrv

Docker 镜像也可在 Docker Hub 上获取。

前提条件

cargo msrv (find)cargo msrv verify 命令需要 Rustup

预览

asciicast

使用方法

  • cargo msrv findcargo msrv find --linear 用于查找当前工作目录中 Cargo 项目的 MSRV。
  • cargo msrv --path <dir> find 用于查找 <dir> 目录中 Cargo 项目的 MSRV。
  • cargo msrv find -- <command> 使用 <command> 作为兼容性检查,以决定 Rust 版本是否兼容。这个命令应该可以通过 rustup 运行,如 rustup run <toolchain> <command>
    • 示例:cargo msrv find -- cargo check --tests
  • cargo msrv verify 用于验证 crate 作者指定的 MSRV。
    • crate 作者可以使用 package.rust-version(Rust >=1.56)或 package.metadata.msrv 键在 'Cargo.toml' 清单中指定 MSRV。详细说明请参见手册
  • cargo msrv list 用于列出依赖项的 MSRV,这些 MSRV 由它们的作者指定。
  • cargo msrv show 用于显示当前指定的 MSRV。

请参阅 cargo-msrv 手册中的 commands 章节,以获取支持的(子)命令的更详细描述。

选项

查找你的最低支持 Rust 版本!

用法:cargo msrv [选项] <命令>

命令:
  find    查找 MSRV
  list    显示依赖项的 MSRV
  set     将当前 crate 的 MSRV 设置为给定的 Rust 版本
  show    显示你的 crate 的 MSRV,如 Cargo 清单中所指定
  verify  验证 MSRV 是否可满足
  help    打印此消息或给定子命令的帮助

选项:
      --path <Crate 目录>
          Cargo 项目目录的路径

      --manifest-path <Cargo 清单>
          Cargo 清单文件的路径

  -h, --help
          打印帮助(使用 '-h' 查看摘要)

  -V, --version
          打印版本

用户输出选项:
      --output-format <格式>
          设置用户输出的格式

          [默认:human]

          可能的值:
          - human:   进度条渲染到 stderr
          - json:    Json 状态更新打印到 stdout
          - minimal: 最小输出,通常只有结果,如 MSRV 或验证是否成功或失败

      --no-user-output
          禁用用户输出

调试输出选项:
      --no-log
          禁用日志记录

      --log-target <日志目标>
          指定程序应输出日志的位置

          [默认:file]
          [可能的值:file, stdout]

      --log-level <级别>
          指定应记录的日志严重程度

          [默认:info]
          [可能的值:trace, debug, info, warn, error]


            你可以提供一个自定义的兼容性 `check` 命令作为最后一个参数(仅当通过双破折号语法提供此参数时,
            例如 `$ cargo msrv -- custom command`)。
            然后,这个自定义检查命令将用于验证 Rust 版本是否兼容。
            自定义 `check` 命令应该可以通过 rustup 运行,因为它们将被传递给 rustup,
            如下所示:`rustup run <toolchain> <命令...>`。注意:你只需要提供 <命令...> 部分。

            默认情况下,自定义检查命令是 `cargo check`。

JSON 格式

通过提供 --output-format json 标志可以启用 JSON 输出:cargo msrv find --output-format json。 事件以 json 行的形式打印。事件类型由 type 键指示。

请参阅手册中的 输出格式输出格式:JSON 章节,以获取此输出格式的文档。

许可证

根据以下任一许可证授权

由你选择。

贡献

除非你明确声明,否则你有意提交以包含在作品中的任何贡献, 如 Apache-2.0 许可证中所定义,均应按上述方式双重许可, 无任何附加条款或条件。

项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号