从动态库运行 Rust 代码检查
cargo install cargo-dylint dylint-link
Dylint 是一个类似于 Clippy 的 Rust 代码检查工具。但与 Clippy 运行预定义的静态检查集不同,Dylint 可以从用户指定的动态库运行检查。因此,Dylint 允许开发者维护自己的个人检查集合。
目录
关于 Dylint 工作原理的文档也可以获取。
以下两个步骤安装 Dylint 并在工作空间中运行此仓库的所有[通用示例检查]:
安装 cargo-dylint 和 dylint-link:
cargo install cargo-dylint dylint-link
运行 cargo-dylint:
cargo dylint --git https://github.com/trailofbits/dylint --pattern examples/general
在上面的例子中,库是通过命令行找到的。如果你打算定期运行 Dylint,可以考虑使用工作空间元数据。有关查找库的其他方法,请参阅Dylint 工作原理。
你可以通过运行 cargo dylint new new_lint_name 来开始编写自己的 Dylint 库。这样做将会直接生成一个可加载的库。你可以按以下方式验证:
cargo dylint new new_lint_name cd new_lint_name cargo build cargo dylint list --path .
你只需要实现 LateLintPass 特质并填写要求填充的符号即可。
下面提供了一些有助于编写检 查的资源。
工作空间可以在其 Cargo.toml 或 dylint.toml 文件中指定应该用于检查的库。具体来说,任一文件都可以在 workspace.metadata.dylint.libraries 下包含一个 TOML 数组。每个数组条目必须采用 Cargo git 或 path 依赖的形式,但有以下区别:
package =。path 条目可以包含 glob 模式,例如 *。pattern 字段,其值是一个 glob 模式。pattern 字段指示包含 Dylint 库的子目录。Dylint 会下载并构建每个条目,类似于 Cargo 下载和构建依赖项的方式。然后在结果的 target/release 目录中搜索 Dylint 识别的文件名形式(参见 Dylint 工作原理 下的 库要求)。
例如,如果你在工作空间的 Cargo.toml 或 dylint.toml 文件中包含以下内容并运行 cargo dylint --all,Dylint 将运行此仓库的所有[示例通用检查],以及示例限制检查 try_io_result。
[workspace.metadata.dylint] libraries = [ { git = "https://github.com/trailofbits/dylint", pattern = "examples/general" }, { git = "https://github.com/trailofbits/dylint", pattern = "examples/restriction/try_io_result" }, ]
为方便起见,pattern 字段可以包含一个数组,在这种情况下,该模式被视为数组元素的并集。因此,刚才给出的 workspace.metadata.dylint.libraries 示例可以替代写成:
[workspace.metadata.dylint] libraries = [ { git = "https://github.com/trailofbits/dylint", pattern = [ "examples/general", "examples/restriction/try_io_result", ] }, ]
可以通过在被检查工作空间的根目录中包含 dylint.toml 文件来配置库。该文件应编码一个 toml 表,其键为库名。库决定如何解释表中的值(如果有的话)。
例如,具有以下内容的 dylint.toml 文 件将 non_local_effect_before_error_return 库的 work_limit 配置设置为 1_000_000:
[non_local_effect_before_error_return] work_limit = 1_000_000
有关创建可配置库的说明,请参阅 dylint_linting 文档。
对于 Dylint 用于检查 crate 的每个库,Dylint 会向 Rust 编译器传递以下内容:
--cfg=dylint_lib="LIBRARY_NAME"
你可以使用此功能在使用 Dylint 时允许检查,但在不使用 Dylint 时避免"未知检查"警告。具体来说,你可以这样做:
#[cfg_attr(dylint_lib = "LIBRARY_NAME", allow(LINT_NAME))]
注意,LIBRARY_NAME 和 LINT_NAME 可能相同。有关涉及 non_thread_safe_call_in_test 的示例,请参阅本仓库中的 dylint/src/lib.rs。
还要注意,刚才描述的方法不适用于预展开检查。对于预展开检查,唯一已知的解决方法是允许编译器内置的 unknown_lints 检查。具体来说,你可以这样做:
#[allow(unknown_lints)] #[allow(PRE_EXPANSION_LINT_NAME)]
有关涉及 abs_home_path 的示例,请参阅本仓库中的 internal/src/examples.rs。
unexpected_cfg 检查从 nightly-2024-05-05 开始,每个可达的 #[cfg] 的名称和值[都会被检查]。这会导致编译器对上述描述的 cfg_attr 属性产生警告。
要抑制这些警告,请在你的包的 Cargo.toml 文件中添加以下内容:
[lints.rust.unexpected_cfgs] level = "warn" check-cfg = ["cfg(dylint_lib, values(any()))"]
或者,如果你使用的是 Cargo 工作空间,请在工作空间的 Cargo.toml 文件中添加以下内容:
[workspace.lints.rust.unexpected_cfgs] level = "warn" check-cfg = ["cfg(dylint_lib, values(any()))"]
然后,在工作空间中每个包的 Cargo.toml 文件中添加以下内容:
[lints] workspace = true
有关示例,请参阅本仓库中的提交 c8fabc5。
可以使用 rust-analyzer 在 VS Code 中查看 Dylint 结果。要实现这一点,请在 VS Code 的 settings.json 文件中添加以下内容:
"rust-analyzer.checkOnSave.overrideCommand": [ "cargo", "dylint", "--all", "--", "--all-targets", "--message-format=json" ]
如果你想在检查库内部使用 rust-analyzer,需要在 VS Code 的 settings.json 文件中添加以下内容:
"rust-analyzer.rustc.source": "discover",
并在库的 Cargo.toml 文件中添加以下内容:
[package.metadata.rust-analyzer] rustc_private = true
以下实用工具可以帮助编写 Dylint 库:
dylint-link 是 Rust 默认链接器(cc)的包装器,它会创建一个文件名为 Dylint 可识别格式的库副本。dylint_library! 是一个宏,它会自动定义 dylint_version 函数并添加 extern crate rustc_driver 声明。ui_test 是一个可用于测试 Dylint 库的函数。它提供了方便访问 compiletest_rs 包的功能。clippy_utils 是一个使编写检查更容易的实用工具集合。它由 Rust Clippy 开发者慷慨地公开。请注意,与 rustc 一样,clippy_utils 不为其 API 提供稳定性保证。编写检查的有用资源包括以下内容:
rustc_hirrustc_middlerustc_lint::LateContext
Dylint 库的 MSRV 提升将伴随着至少 Dylint 次版本号的提升。
换句话说,我们在发布 bug 修复时会努力保持 Dylint 的 MSRV 不变,只有在发布新功能时才会更改。


免费创建高清无水印Sora视频
Vora是一个免费创建高清无水印Sora视频的AI工具


最适合小白的AI自动化工作流平台
无需编码,轻松生成可复用、可变现的AI自动化工作流

大模型驱动的Excel数据处理工具
基于大模型交互的表格处理系统,允许用户通过对话方式完成数据整理和可视化分析。系统采用机器学习算法解析用户指令,自动执行排序、公式计算和数据透视等操作,支持多种文件格式导入导出。数据处理响应速度保持在0.8秒以内,支持超过100万行数据的即时分析。


AI辅助编程,代码自动修复
Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。


AI论文写作指导平台
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。


AI一键生成PPT,就用博思AIPPT!
博思AIPPT,新一代的AI生成PPT平台,支持智能生成PPT、AI美化PPT、文本&链接生成PPT、导入Word/PDF/Markdown文档生成PPT等,内置海量精美PPT模板,涵盖商务、教育、科技等不同风格,同时针对每个页面提供多种版式,一键自适应切换,完美适配各种办公场景。


AI赋能电商视觉革命,一站式智能商拍平台
潮际好麦深耕服装行业,是国内AI试衣效果最好的软件。使用先进AIGC能力为电商卖家批量提供优质的、低成本的商拍图。合作品牌有Shein、Lazada、安踏、百丽等65个国内外头部品牌,以及国内10万+淘宝、天猫、京东等主流平台的品牌商家,为卖家节省将近85%的出图成本,提升约3倍出图效率,让品牌能够快速上架。


企业专属的AI法律顾问
iTerms是法大大集团旗下法律子品牌,基于最先进的大语言模型(LLM)、专业的法律知识库和强大的智能体架构,帮助企业扫清合规障碍,筑牢风控防线,成为您企业专属的AI法律顾问。


稳定高效的流量提升解决方案,助力品牌曝光
稳定高效的流量提升解决方案,助力品牌曝光


最新版Sora2模型免费使用,一键生成无水印视频
最新版Sora2模型免费使用,一键生成无水印视频
最新AI工具、AI资讯
独家AI资源、AI项目落地

微信扫一扫关注公众号