2311skia,本地惊心动魄的编译skia的x86版本

2023-11-30 23:20

本文主要是介绍2311skia,本地惊心动魄的编译skia的x86版本,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

首先,感谢steampp,这样可以随时访问github.不然,根本干不了活.

第一步,学习并下载skia

正确编译skia,有人家的辛苦工作
借用github action编译skia方法
本地编译的1个教程
对我来说,这一步是完成不了的:

cd skia
python2 tools/git-sync-deps
//或者加上.exe变成
python2.exe tools/git-sync-deps

主要是py2的代码太难改.
这里是用py2下载依赖的方式
github的action编译

xmake的skia
能够访问github,就可借用xmake帮助编译skia.但我没试过.

窗口编译skia
谷哥的depot_tools位置
可借用gitee下载depot_tools/skia,
谷哥的skia位置

python2 tools/git-sync-deps

这一步自动下载skia依赖的三方库,会自动下载到skia/third_party/externals目录;以及用于生成项目文件的工具gn.exe.注意:externals存放依赖位置.而third_party下面一堆目录是相应的Build.gn存放位置.

简单介绍gn

gn.exe既要放在路径中,也要放在H:\cpp\skia\bin\目录中,还有编译的时候,不能仅用gn,而是要输入gn.exe全名.
depot_toolsskia的镜像,可用gitee帮助.

第二步,下载skia的依赖

skia依赖的第三方库,是最麻烦的.只有下载正确的依赖库,才能大大减轻编译skia的麻烦.因为不能正确使用python2.exe,所以不能像别人直接调用py2就可下载正确的依赖包.
skia/DEPS,最新的依赖包,有许多新依赖.
而文章中的依赖,有部分过时了.
即,先用前面文章中的DEPS复制替换到你的DEPS中,但要记得备份原DEPS.
这是原待下载路径:

https://github.com/GoogleDepends/EGL-Registry
https://github.com/GoogleDepends/OpenCL-Registry
https://github.com/GoogleDepends/OpenGL-Registry
https://github.com/GoogleDepends/SPIRV-Cross
https://github.com/GoogleDepends/SPIRV-Headers
https://github.com/GoogleDepends/SPIRV-Tools
https://github.com/GoogleDepends/angle2
https://github.com/GoogleDepends/buildtools
https://github.com/GoogleDepends/common
https://github.com/GoogleDepends/common-lib-amd-APPSDK-3.0
https://github.com/GoogleDepends/dawn
https://github.com/GoogleDepends/dng_sdk
https://github.com/GoogleDepends/expat
https://github.com/GoogleDepends/freetype2
https://github.com/GoogleDepends/glslang
https://github.com/GoogleDepends/harfbuzz
https://github.com/GoogleDepends/icu
https://github.com/GoogleDepends/imgui
https://github.com/GoogleDepends/jinja2
https://github.com/GoogleDepends/libgifcodec
https://github.com/GoogleDepends/libjpeg-turbo
https://github.com/GoogleDepends/libmicrohttpd
https://github.com/GoogleDepends/libpng
https://github.com/GoogleDepends/libwebp
https://github.com/GoogleDepends/lua
https://github.com/GoogleDepends/markupsafe
https://github.com/GoogleDepends/piex
https://github.com/GoogleDepends/sdl
https://github.com/GoogleDepends/sfntly
https://github.com/GoogleDepends/shaderc
https://github.com/GoogleDepends/swiftshader
https://github.com/GoogleDepends/wuffs
https://github.com/GoogleDepends/zlib

这里面,有几个需要是最新的,因为它的路径里面是旧版(2020年).

gn.exe,是从官网下载的win32版.前面说了,要放在两个地方,不然后面编译会出问题,而且输入命令时,要用gn.exe,而不光是gn(要出错).人家提醒要放进skia\bin了,但我没看见,后来才试错加进去.

第三步,写配置

下载完依赖后有三步动作:
1,改gn配置,然后用gn.exe gen out\Static生成ninja文件.
2,修改skia\out\Static\toolchain.ninja文件.
3,执行ninja -C out/Static编译命令,
因为toolchain.ninja有点小问题,每次更改配置后,都是这三步.

改配置,生成ninja文件

最新的DEPS有点大,我编译时,是用前面文章的替换了,还没下载有些最新依赖.
我是生成x86版的静态库.其他的可以类似.

gn.exe gen out/Static
//这样,在out/Static目录里面输出ninja文件.

这里ninja用的是,depot_tools里面的ninja.exe.

进入out/Static目录,在args.gn文件里面写入:

clang_win = "G:\LLVM"
//最新的LLVM为17版本,下载到此地
target_cpu = "x86"
//x86目标.
extra_cflags=["/MT"]
//静态库
win_vc = "C:\vs2022\VC"
//这是vs2022安装目录

然后是修改gn\BUILDCONFIG.gn文件,最上面空的,改为类似:

  cc = "clang"cxx = "clang++"
//cc与cxx工具.win_sdk = "C:\WindowsKits\10"
//一般正常中间有个空格为Windows Kits.
//这里临时去掉空格,等编译完再加上空格win_sdk_version = "10.0.22621.0"
//sdk版本win_vc = "C:\vs2022\VC"
//VC目录win_toolchain_version = "14.37.32822"
//VC版本,根据自身填写.clang_win = "G:\LLVM"
//用LLVM编译,skia更小,编译更快clang_win_version = "17"
//最新的为17版本,15版本,就要重新下载,

然后,就可执行如下命令了:

gn.exe gen out\Static

添加--ide="vs2017"--ide=vs,会生成sln,但我用sln编译不了,别人也不推荐这种方法.

改工具链生成文件.

主要是两个动作:
1,删掉类似下面这样的6句:

cmd /c C:/WindowsKits/10/bin/SetEnv.cmd /x86 &&

2,把微软的python3改为python.exe,因为python3下面并不存在什么东西,即不管用.要用python.exe,才能真正执行命令,当然python.exe要在路径上.

执行真正的编译

ninja -C out/static

然后,就开始编译了.

手动修改编译过程中问题

前面说了,上面的有些库过时了,不能用它,这些库有:harfbuzz/libexpat/libwebp/wuffs/libmicrohttpd/imgui/libjpeg-turbo,从各自的官网重新下载这些库进externals目录
各自官网如下:

https://github.com/libjpeg-turbo/libjpeg-turbo
//https://github.com/amusi/libjpeg-turbo-examples
//示例.libjpeg-turbo主要是比libjpeg快一些.
https://github.com/harfbuzz/harfbuzz
https://github.com/Karlson2k/libmicrohttpd
https://github.com/ocornut/imgui
https://github.com/webmproject/libwebp
https://github.com/libexpat/libexpat
https://github.com/google/wuffs

把上面的库下载到externals目录里面,最新的依赖更多,不过我不知道了,你也许可以试试单独官网下载,再编译.

turbo版的示例
编译时,出现:

build stopped: subcommand failed.

ninja是按一系列命令来构建,出现这个,代表该命令有问题,你要解决它.
简单介绍ninja,ninja官网

解决编译问题

1,没有gsubgpos-context.cc文件,从这里下载.

2,找不到jpeg_nbits_table.c,网上搜索,内容与jpeg_nbits_table.h差不多,其实只需要如下就行了.

#include "jpeg_nbits_table.h"

3,出现bin/SetEnv.cmd问题,就是前面没有删除toolchain的问题,因为根本就不应该有个SetEnv.cmd文件,有也算过时了.

4,这里前面的几个错误,及修改可能搞忘记了.开始未用笔记记着,所以,如果你遇见了,要靠自己解决了,应该能够搞定了,不是很难.

5,find_headers.py问题:

//find_headers.pyprint(gn_desc_cmd)//得知,要用`gn.exe`desc_json_txt = subprocess.check_output(gn_desc_cmd).decode('utf-8')

如下修改:

gn\toolchain\BUILD.gn,45行附近
dlsymutil_pool_depth = 8
//设置为8,

6,icudtl.dat复制问题,还是py的问题

icudtl.dat,cp.py==>

这是toolchain.ninja问题,把python3改成python.exe.

7,xmlparse.c问题,在前面加上一句:
xmlparse.c前面加上:

#include "expat_config.h"
#define XML_GE 1
//上面这一句.

8,py2版本问题,py3运行py2:
make_data_assembly.py,79行要改为:

split = [str(binascii.hexlify(input_data[i:i + 4][::step]),'ascii').upper().lstrip('0') for i in range(0, len(input_data), 4)]

9,imguilayer.h,imgui的兼容问题

    float availWidth = std::max(ImGui::GetContentRegionAvail().x, 1.0f);

把,Width改为如上的Avail().x.

10,Viewer.cpp,2589行:

if (fShowSlidePicker) {ImGui::SetNextTreeNodeOpen(true);//改为下面.ImGui::SetNextItemOpen(true);
}

同样是兼容问题.

11,compression_utils_portable.cc错误导入路径问题

#include "third_party/zlib/google/compression_utils_portable.h"
#include "compression_utils_portable.h"
|| ../../third_party/externals/zlib/google/compression_utils_portable.h(15,10): fatal error: 'third_party/zlib/zlib.h' file not found
#include "third_party/zlib/zlib.h",改为
#include "../zlib.h"
//把导入都改为类似,"../zlib.h"

12,不能生成:skia.h.这是最早的工具链问题,
toolchain.ninja里面.
user\...\python3改成python.exe.就是py的路径问题.

13,GetColorPalette找不着,libwebp中的build.gn中加上下面这句,主要可能是搞忘记了.

  "../externals/libwebp/src/utils/palette.c",
//加上上面这一行."../externals/libwebp/src/utils/utils.c",
//这是最后一行

然后,再来一次流程:

gn.exe gen out/Static
改工具链的错误.
ninja -C out/static

14,再试试:
libwebp.ninjautil.c上方加上:

build obj/third_party/externals/libwebp/src/utils/libwebp.palette.obj: cc ../../third_party/externals/libwebp/src/utils/palette.csource_file_part = palette.csource_name_part = palette

15,LLVM,要下载最新的17版本.
16,libjpeg-turbo,jconfig.h,直接从jconfig.vc复制.

看看,编译skia,真是惊心动魄啊!

这篇关于2311skia,本地惊心动魄的编译skia的x86版本的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/438911

相关文章

IDEA编译报错“java: 常量字符串过长”的原因及解决方法

《IDEA编译报错“java:常量字符串过长”的原因及解决方法》今天在开发过程中,由于尝试将一个文件的Base64字符串设置为常量,结果导致IDEA编译的时候出现了如下报错java:常量字符串过长,... 目录一、问题描述二、问题原因2.1 理论角度2.2 源码角度三、解决方案解决方案①:StringBui

0基础租个硬件玩deepseek,蓝耘元生代智算云|本地部署DeepSeek R1模型的操作流程

《0基础租个硬件玩deepseek,蓝耘元生代智算云|本地部署DeepSeekR1模型的操作流程》DeepSeekR1模型凭借其强大的自然语言处理能力,在未来具有广阔的应用前景,有望在多个领域发... 目录0基础租个硬件玩deepseek,蓝耘元生代智算云|本地部署DeepSeek R1模型,3步搞定一个应

一文教你使用Python实现本地分页

《一文教你使用Python实现本地分页》这篇文章主要为大家详细介绍了Python如何实现本地分页的算法,主要针对二级数据结构,文中的示例代码简洁易懂,有需要的小伙伴可以了解下... 在项目开发的过程中,遇到分页的第一页就展示大量的数据,导致前端列表加载展示的速度慢,所以需要在本地加入分页处理,把所有数据先放

本地搭建DeepSeek-R1、WebUI的完整过程及访问

《本地搭建DeepSeek-R1、WebUI的完整过程及访问》:本文主要介绍本地搭建DeepSeek-R1、WebUI的完整过程及访问的相关资料,DeepSeek-R1是一个开源的人工智能平台,主... 目录背景       搭建准备基础概念搭建过程访问对话测试总结背景       最近几年,人工智能技术

如何在本地部署 DeepSeek Janus Pro 文生图大模型

《如何在本地部署DeepSeekJanusPro文生图大模型》DeepSeekJanusPro模型在本地成功部署,支持图片理解和文生图功能,通过Gradio界面进行交互,展示了其强大的多模态处... 目录什么是 Janus Pro1. 安装 conda2. 创建 python 虚拟环境3. 克隆 janus

本地私有化部署DeepSeek模型的详细教程

《本地私有化部署DeepSeek模型的详细教程》DeepSeek模型是一种强大的语言模型,本地私有化部署可以让用户在自己的环境中安全、高效地使用该模型,避免数据传输到外部带来的安全风险,同时也能根据自... 目录一、引言二、环境准备(一)硬件要求(二)软件要求(三)创建虚拟环境三、安装依赖库四、获取 Dee

java中不同版本JSONObject区别小结

《java中不同版本JSONObject区别小结》本文主要介绍了java中不同版本JSONObject区别小结,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们... 目录1. FastjsON2. Jackson3. Gson4. org.json6. 总结在Jav

deepseek本地部署使用步骤详解

《deepseek本地部署使用步骤详解》DeepSeek是一个开源的深度学习模型,支持自然语言处理和推荐系统,本地部署步骤包括克隆仓库、创建虚拟环境、安装依赖、配置模型和数据、启动服务、调试与优化以及... 目录环境要求部署步骤1. 克隆 DeepSeek 仓库2. 创建虚拟环境3. 安装依赖4. 配置模型

DeepSeek模型本地部署的详细教程

《DeepSeek模型本地部署的详细教程》DeepSeek作为一款开源且性能强大的大语言模型,提供了灵活的本地部署方案,让用户能够在本地环境中高效运行模型,同时保护数据隐私,在本地成功部署DeepSe... 目录一、环境准备(一)硬件需求(二)软件依赖二、安装Ollama三、下载并部署DeepSeek模型选

解决IDEA使用springBoot创建项目,lombok标注实体类后编译无报错,但是运行时报错问题

《解决IDEA使用springBoot创建项目,lombok标注实体类后编译无报错,但是运行时报错问题》文章详细描述了在使用lombok的@Data注解标注实体类时遇到编译无误但运行时报错的问题,分析... 目录问题分析问题解决方案步骤一步骤二步骤三总结问题使用lombok注解@Data标注实体类,编译时