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_hir
rustc_middle
rustc_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。
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小说写作助手,一站式润色、改写、扩写
蛙蛙写作—国内先进的AI写作平台,涵盖小说、学术、社交媒体等多场景。提供续写、改写、润色等功能,助力创作者高效优化写作 流程。界面简洁,功能全面,适合各类写作者提升内容品质和工作效率。
全能AI智能助手,随时解答生活与工作的多样问题
问小白,由元石科技研发的AI智能助手,快速准确地解答各种生活和工作问题,包括但不限于搜索、规划和社交互动,帮助用户在日常生活中提高效率,轻松管理个人事务。
实时语音翻译/同声传译工具
Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手,它拥有超精准的音频识别翻译能力,几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球,无论你是留学生、商务人士、韩剧美剧爱好者,还是出国游玩、多国会议、跨国追星等等,都可以满足你所有需要同传的场景需求,线上线下通用,扫除语言障碍,让全世界的语言交流不再有国界。
一键生成PPT和Word,让学习生活更轻松
讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。
深度推理能力全新升级,全面对标OpenAI o1
科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文 件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。
一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型
Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。
AI助力,做PPT更简单!
咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。
选题、配图、成文,一站式创作,让内容运营更高效
讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。
专业的AI公文写作平台,公文写作神器
AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速 完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。