RUST 每日一省:发布到crates.io

github是开源代码分享的地方,rust的开源项目除了github,我们还可以将其发布到 crates.io 上,然后其它用户就可以使用cargo进行安装使用了。其实步骤很简单,只有三条命令了,我们一次来看一下。

1、cargo package

首先,让 Cargo 帮你打个包:

cargo package 命令会创建一个文件(这里是 target/package/xq-derive-0.1.0.crate),其中包含库的所有源文件,以及 Cargo.toml。这个文件就是你要上传到 crates.io 与世界共享的(可以通过 cargo package --list 来查看其中包含什么文件)。Cargo 随后会基于这个 .crate 文件构建库,就像最终用户一样,以确保没有问题。

你可能会遇到很多问题,比如:

复制代码
error: all dependencies must have a version specified when packaging.

这是要求你的项目里,引用的crate必须是在crates.io上的,不能是本地引用的例如这种------image = {path = "vendor/image"}。

复制代码
warning: manifest has no description, license, license-file, documentation,

这种是,Cargo 认为 Cargo.toml 中缺少一些对下游用户来说非常重要的信息,比如你的代码以什么许可来发布。警告信息中的 URL 是很好的参考资源,因此这里就不详细解释了。简单来说,只要在 Cargo.toml 中添加以下几行内容就可以消除警告:

复制代码
[package]
name = "xq-derive"
version = "0.1.0"
edition = "2018"
authors = ["Kent Xu <xq-310@163.com>"]
description = "Used to write eDSL proc-macro ."
license = "MIT OR Apache-2.0"
homepage = "https://github.com/XuHugo/xq-derive"
repository = "https://github.com/XuHugo/xq-derive"
documentation = "https://github.com/XuHugo/xq-derive"

2、cargo login

执行命令前,先登录到 crates.io 并取得 API 密钥。可以使用github账号直接登入,然后再个人的设置页面,找到API Tokens,生成新的Token;然后使用命令:

复制代码
 cargo login abcdefghijklmnopqrstuvwxyz012345

该命令将告诉 Cargo 你的 API Token,然后将其存储在本地的 ~/.cargo/credentials.toml 文件中。注意这个 API 密钥就像密码一样要保密。所以要记住只在你自己控制的计算机中运行这个命令。

3、cargo pushlish

直接项目根目录下,执行 cargo publish,就可以了。

需要注意的是,由于平时网络问题,我都使用国内的源,所以需要再命令后添加 --registry crates-io.

相关推荐
q***428218 小时前
SpringBoot Maven快速上手
spring boot·后端·maven
鸭子程序员18 小时前
c++ 算法
开发语言·c++·算法
Victor35618 小时前
Redis(153)Redis的网络使用如何监控?
后端
码一行18 小时前
Eino AI 实战:解析 PDF 文件 & 实现 MCP Server
后端·go
Victor35618 小时前
Redis(152) Redis的CPU使用如何监控?
后端
搬砖ing换来金砖18 小时前
Python入门-Task02
开发语言·python
P***843918 小时前
解决Spring Boot中Druid连接池“discard long time none received connection“警告
spring boot·后端·oracle
雨中散步撒哈拉18 小时前
17、做中学 | 初三下期 Golang文件操作
开发语言·后端·golang
倚肆18 小时前
Spring Boot CORS 配置详解:CorsConfigurationSource 全面指南
java·spring boot·后端
databook18 小时前
告别盲人摸象,数据分析的抽样方法总结
后端·python·数据分析