Project Icon

nurl

自动生成Nix获取器调用的命令行工具

nurl为Nix用户提供从URL生成获取器调用的功能。支持多种代码托管平台,如GitHub和GitLab。工具特点包括智能推断、快速哈希计算和灵活的输出选项,有助于简化Nix包管理工作流程。

nurl

发布 版本 依赖 许可证 CI

从仓库 URL 生成 Nix fetcher 调用

$ nurl https://github.com/nix-community/patsh v0.2.0 2>/dev/null
fetchFromGitHub {
  owner = "nix-community";
  repo = "patsh";
  rev = "v0.2.0";
  hash = "sha256-7HXJspebluQeejKYmVA7sy/F3dtU1gc4eAbKiPexMMA=";
}

如果你想生成 Nix 包,可以查看 nix-init,它是基于 nurl 构建的

支持的 Fetcher

  • builtins.fetchGit
  • fetchCrate
  • fetchFromBitbucket
  • fetchFromGitHub
  • fetchFromGitLab
  • fetchFromGitea
  • fetchFromGitiles
  • fetchFromRepoOrCz
  • fetchFromSourcehut
  • fetchHex
  • fetchPypi
  • fetchgit
  • fetchhg
  • fetchsvn

用法

用法: nurl [选项] [URL] [REV]

参数:
  [URL]  要获取的仓库的 URL
  [REV]  要获取的修订版本或引用

选项:
  -S, --submodules[=<SUBMODULES>]      获取子模块而不是使用 fetcher 的默认值 [可能的值: true, false]
  -f, --fetcher <FETCHER>              指定 fetcher 函数而不是从 URL 推断 [可能的值: builtins.fetchGit, fetchCrate,
                                       fetchFromBitbucket, fetchFromGitHub, fetchFromGitLab,
                                       fetchFromGitea, fetchFromGitiles, fetchFromRepoOrCz,
                                       fetchFromSourcehut, fetchHex, fetchPypi, fetchgit, fetchhg,
                                       fetchsvn]
  -F, --fallback <FALLBACK>            当 nurl 无法从 URL 推断时回退使用的 fetcher [默认: fetchgit] [可能的值:
                                       builtins.fetchGit, fetchCrate, fetchFromBitbucket,
                                       fetchFromGitHub, fetchFromGitLab, fetchFromGitea,
                                       fetchFromGitiles, fetchFromRepoOrCz, fetchFromSourcehut,
                                       fetchHex, fetchPypi, fetchgit, fetchhg, fetchsvn]
  -n, --nixpkgs <NIXPKGS>              nixpkgs 的路径(以 nix 格式)[默认: <nixpkgs>]
  -i, --indent <INDENT>                额外的缩进(空格数)[默认: 0]
  -H, --hash                           仅输出哈希值
  -j, --json                           以 json 格式输出
  -p, --parse                          解析 URL 而不获取哈希值,以 json 格式输出
  -a, --arg <NAME> <EXPR>              传递给 fetcher 的额外参数
  -A, --arg-str <NAME> <STRING>        与 --arg 相同,但接受字符串而不是 Nix 表达式
  -o, --overwrite <NAME> <EXPR>        覆盖最终输出中的参数,获取哈希值时不考虑
  -O, --overwrite-str <NAME> <STRING>  与 --overwrite 相同,但接受字符串而不是 Nix 表达式
  -e, --expr <EXPR>                    获取固定输出导出的哈希值而不是获取 URL,隐含 --hash 并忽略所有其他选项
  -l, --list-fetchers                  列出所有可用的 fetcher
  -L, --list-possible-fetchers         列出所有无需 --fetcher 就能生成的 fetcher
  -s, --list-sep <SEPARATOR>           使用指定的分隔符打印列出的 fetcher,仅在指定 --list-fetchers 或 --list-possible-fetchers 时使用
  -h, --help                           打印帮助信息
  -V, --version                        打印版本信息

nix-prefetch 的比较

  • nurl 从 URL 推断 fetcher。对于 nix-prefetch,你需要手动选择 fetcher 并提供参数。
  • nix-prefetch 依赖于 FOD,速度较慢,nurl 尽可能使用替代方案。
  • nix-prefetch 更可配置,支持文件属性。
  • nix-prefetch 的接口类似于 nix-build
  • nurl 有一些专门用于生成包的不错功能(--indent--list-possible-fetchers)。

更新日志

查看 CHANGELOG.md

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