当前位置: 首页 > news >正文

Makefile编写和相关语法规则

makefile基本概念

Makefile 本质上是一个文本文件,它包含了一系列规则和指令,用于告诉构建工具(如 make)如何编译和链接程序,以及如何处理项目中的各种文件。其核心思想是通过定义目标(target)、依赖关系(dependencies)和生成目标的命令(commands),来实现项目的自动化构建。

makefile编写

makefile文件编写,就是要明确基础格式如下:

目标:依赖
(tab键)命令

举个具体的小例子:

main:main.c add.c
# 使用gcc编译器将main.c和add.c这两个源文件进行编译和链接操作,
# 最终生成一个名为main的可执行文件。gcc -o main main.c add.c

严格按照上述的基础格式写,但是这里有一个问题:如果我们得更新add.c中的代码,相应的两个文件都得重新先.c文件编译生成.o文件,再由.o文件链接成linux操作系统的可执行文件,如果一个大工程有上百个文件这样的代码处理起来太过于冗余。所以我们可以把每个文件的编译过程拆开。

第一版本

main:main.o add.o# 链接命令,将 main.o 和 add.o 链接生成可执行文件 maingcc main.o add.o -o main
main.o:main.c# 编译命令,将 main.c 编译为目标文件 main.ogcc -c main.c -o main.o
add.o:add.c# 编译命令,将 add.c 编译为目标文件 add.ogcc -c add.c -o add.o

上述写法,当更新 add.c 文件时,确实能够更智能地处理编译和链接过程,避开第一个版本的一些缺点,就不必重复重新执行gcc -c main.c -o main.o这条指令。

但是,Makefile有相应的语法规则,帮助我们写出更加简洁的代码;
比如,

  1. 我们可以自定义变量,a = b,$(a)来替代b;
  2. $<就对应着 “依赖文件列表” 中的第一个文件;
  3. $@就对应着"目标文件";
  4. gcc 可以用专门符号$(CC)表示;
  5. 而且类似的func.o: func.c这种.o和.c转换的语句太过于冗余,这里可以使用%.o:%.c去替代所有当前文件夹下.c文件编译得到.o文件
  6. $^表示当前规则的所有依赖文件,以空格分隔。如果依赖文件中有重复的,重复的文件只会出现一次。

所以根据上述规则,假设main用target代替,main.o add.o用object替换,我们可以得到下面的版本。

第二版本

 target=mainobject=main.o add.oCC=gcc$(target):$(object)$(CC)  -o $@ $^%.o:%c$(CC) -c $<

得到上述版本,已经非常简洁了,但是还是有个问题,我们想要得到的是Linux可执行文件main,中间还生成了.o文件,所以我们还可以更精益求精些,删除这些中间文件。

第三版本

 target=mainobject=main.o add.oCC=gcc$(target):$(object)$(CC)  -o $@ $^%.o:%.c$(CC) -c $< 
clean:rm -f $(object)

最后这个版本就可以利用简洁代码实现,main.c add.c文件编译链接生成可执行文件main,并且删除中间生成的冗余文件

相关文章:

Makefile编写和相关语法规则

makefile基本概念 Makefile 本质上是一个文本文件&#xff0c;它包含了一系列规则和指令&#xff0c;用于告诉构建工具&#xff08;如 make&#xff09;如何编译和链接程序&#xff0c;以及如何处理项目中的各种文件。其核心思想是通过定义目标&#xff08;target&#xff09;…...

点云 PCL 滤波在自动驾驶的用途。

1.直通滤波 2.体素滤波...

NL2SQL的应用-长上下文模型在处理NL2SQL任务时,相较于传统模型,有哪些显著的优势

大家好&#xff0c;我是微学AI&#xff0c;今天给大家介绍一下NL2SQL的应用-长上下文模型在处理NL2SQL任务时&#xff0c;相较于传统模型&#xff0c;有哪些显著的优势。NL2SQL&#xff08;自然语言转SQL&#xff09;技术旨在将用户自然语言提问自动转换为结构化查询语句&#…...

图像处理基础(8):图像的灰度直方图、直方图均衡化、直方图规定化(匹配)

本文主要介绍了灰度直方图相关的处理&#xff0c;包括以下几个方面的内容&#xff1a; • 利用OpenCV计算图像的灰度直方图&#xff0c;并绘制直方图曲线 • 直方图均衡化的原理及实现 • 直方图规定化&#xff08;匹配&#xff09;的原理及实现 图像的灰度直方图 一…...

探寻数组中两个不重复数字的奥秘:C 语言实战之旅

在编程的世界里&#xff0c;经常会遇到各种各样有趣的问题&#xff0c;今天我们就来探讨一个经典的题目&#xff1a;在一个整数数组中&#xff0c;除了两个数字只出现一次&#xff0c;其余数字都出现了两次&#xff0c;如何高效地找出这两个只出现一次的数字呢&#xff1f;我们…...

Mercury、LLaDA 扩散大语言模型

LLaDA 参考&#xff1a; https://github.com/ML-GSAI/LLaDA https://ml-gsai.github.io/LLaDA-demo/ 在线demo&#xff1a; https://huggingface.co/spaces/multimodalart/LLaDA Mercury 在线demo&#xff1a; https://chat.inceptionlabs.ai/ 速度很快生成...

【ESP32S3接入讯飞在线语音识别】

视频地址: 【ESP32S3接入讯飞在线语音识别】 1. 前言 使用Seeed XIAO ESP32S3 Sense开发板接入讯飞实现在线语音识别。自带麦克风模块用做语音输入,通过串口发送字符“1”来控制数据的采集和上传。 语音识别对比 平台api教程评分百度...

深入了解 SSH 及其相关协议

深入了解 SSH 及其相关协议 在网络通信的世界里&#xff0c;安全始终是至关重要的话题。SSH&#xff08;Secure Shell&#xff09;作为一种广泛应用的网络协议&#xff0c;为我们在不安全的网络环境中提供了安全的远程连接和数据传输方式。今天&#xff0c;就让我们一起来深入…...

微信小程序源码逆向 MacOS

前言 日常工作中经常会遇到对小程序的渗透测试&#xff0c;微信小程序的源码是保存在用户客户端本地&#xff0c;在渗透的过程中我们需要提取小程序的源码进行问题分析&#xff0c;本篇介绍如何在苹果电脑 MacOS 系统上提取微信小程序的源码。 0x01 微信小程序提取 在苹果电…...

【我的 PWN 学习手札】House of Husk

House of Husk House of Husk是利用格式化输出函数如printf、vprintf在打印输出时&#xff0c;会解析格式化字符如%x、%lld从而调用不同的格式化打印方法&#xff08;函数&#xff09;。同时C语言还提供了注册自定义格式化字符的方法。注册自定义格式化字符串输出方法&#xf…...

(八)趣学设计模式 之 装饰器模式!

目录 一、 啥是装饰器模式&#xff1f;二、 为什么要用装饰器模式&#xff1f;三、 装饰器模式的实现方式四、 装饰器模式的优缺点五、 装饰器模式的应用场景六、 装饰器模式 vs 代理模式七、 总结 &#x1f31f;我的其他文章也讲解的比较有趣&#x1f601;&#xff0c;如果喜欢…...

设计后端返回给前端的返回体

目录 1、为什么要设计返回体&#xff1f; 2、返回体包含哪些内容&#xff08;如何设计&#xff09;&#xff1f; 举例 3、总结 1、为什么要设计返回体&#xff1f; 在设计后端返回给前端的返回体时&#xff0c;通常需要遵循一定的规范&#xff0c;以确保前后端交互的清晰性…...

Element Plus中el-select选择器的下拉选项列表的样式设置

el-select选择器&#xff0c;默认样式效果&#xff1a; 通过 * { margin: 0; padding: 0; } 去掉内外边距后的样式效果&#xff08;样式变丑了&#xff09;&#xff1a; 通过 popper-class 自定义类名修改下拉选项列表样式 el-select 标签设置 popper-class"custom-se…...

C高级(shell)

作业 1、使用case...in实现等级判断 2、计算各个位数和 3、计算家目录下目录个数和普通文件数 4、打印图形 5、冒泡排序...

子宫腺肌症是如果引起的?

子宫腺肌症是一种常见的妇科疾病&#xff0c;它是指子宫内膜的腺体和间质侵入子宫肌层形成的一种病症。那么&#xff0c;子宫腺肌症是如何引起的呢&#xff1f; 一、病因分析 子宫腺肌症的确切病因目前尚不十分清楚&#xff0c;但经过医学研究和临床观察&#xff0c;认为其发…...

网络安全学习中,web渗透的测试流程是怎样的?

渗透测试是什么&#xff1f;网络安全学习中&#xff0c;web渗透的测试流程是怎样的&#xff1f; 渗透测试就是利用我们所掌握的渗透知识&#xff0c;对网站进行一步一步的渗透&#xff0c;发现其中存在的漏洞和隐藏的风险&#xff0c;然后撰写一篇测试报告&#xff0c;提供给我…...

【软考】【2025年系统分析师拿证之路】【啃书】第十四章 软件实现与测试(十五)

目录 程序设计方法代码重用软件测试软件测试的对象和目的软件测试方法按照被测程序是否可见分类按照是否需要执行被测试程序分类自动测试 测试类型按测试对象划分按测试阶段划分按被测试软件划分其他分类 程序设计方法 结构化程序设计&#xff1a;自顶向下&#xff0c;逐步求精…...

自然语言处理NLP深探

1. NLP 的定义、特点、具体工作、历史和流派 定义:自然语言处理(Natural Language Processing,NLP)是计算机科学与人工智能领域的一个重要分支,旨在让计算机理解、处理和生成人类自然语言,实现人与计算机之间用自然语言进行有效通信。特点 交叉性:涉及计算机科学、语言学…...

加载互联网免费地图资源并通过CesiumEarth快速浏览

免费地图资源 地理信息系统&#xff08;GIS&#xff09;的搭建主要可分为两部分&#xff1a;1、三维地球引擎&#xff1b;2、基础数据图层。 CesiumEarth提供了可直接使用的三维地球引擎&#xff0c;因此只需准备基础数据图层&#xff0c;即可搭建属于自己的地理信息系统。 …...

Android 键盘输入按确认或换行 直接触发提交

在 Android 开发中&#xff0c;若要实现键盘输入时按下确认键&#xff08;如 “完成”“发送” 等&#xff09;或者换行键直接触发提交操作&#xff0c;可以通过以下几种方式实现&#xff0c;下面为你详细介绍。 方式一&#xff1a;使用 EditText 的 setOnEditorActionListene…...

百元挂耳式耳机哪款音质好?带你弄懂最值得购买的十大开放式耳机

现在市面上有些牌子&#xff0c;价格标得挺高&#xff0c;体验却跟不上&#xff1b;还有些走低价路线的网红款&#xff0c;看着参数漂亮&#xff0c;实际到手一用——耳挂硬得硌耳朵&#xff0c;声音飘得像隔层纱&#xff0c;用不了几个月就开始出毛病。这种产品&#xff0c;买…...

章三 通往殿堂的阶梯

我大学刚毕业时就入职了一家以图像处理见长的外企&#xff0c;因为很多材料是日语撰写的&#xff0c;作为工作需要&#xff0c;那年我对这个小语种的痴迷也达到了一个小巅峰&#xff0c;为此我即自学了日语又到处寻找资料去补充我在图像处理这一块的短板知识。当我们想打印一张…...

BM2102-9x-1 Sub-1G OOK无线发射模块驱动与工程实践

1. 项目概述BM2102-9x-1 是由 Best Modules 推出的一款工作于 Sub-1G 频段&#xff08;典型频点为 315MHz、433.92MHz、868MHz 和 915MHz&#xff09;的 OOK&#xff08;On-Off Keying&#xff09;无线发射模块&#xff0c;采用透明传输&#xff08;Transparent Transmission&a…...

AMPL社区版下载安装全攻略:从注册到运行第一个优化模型(附迅雷加速技巧)

AMPL社区版实战指南&#xff1a;从零开始构建优化模型 第一次接触AMPL时&#xff0c;很多人会被它强大的数学优化能力吸引&#xff0c;却又在安装配置阶段遇到各种"拦路虎"。作为一款专业的数学建模语言&#xff0c;AMPL确实需要一些技巧才能顺利上手。本文将带你避开…...

STM32光敏传感器实战:从环境检测到智能路灯(附完整代码)

STM32光敏传感器实战&#xff1a;从环境检测到智能路灯&#xff08;附完整代码&#xff09; 在物联网和智能硬件快速发展的今天&#xff0c;环境感知技术已成为各类智能设备的基础能力。其中&#xff0c;光线检测作为最常见的环境感知需求之一&#xff0c;广泛应用于智能家居、…...

收藏 | 新手程序员必看:大厂AI Agent开发学习路线图

本文深入分析了大厂AI Agent开发岗位的核心要求&#xff0c;包括扎实的后端基础、AI知识储备、主流框架掌握等。文章强调AI Agent开发与后端开发相辅相成&#xff0c;并非对立关系&#xff0c;并提供了详细的学习路线图&#xff0c;涵盖基础阶段、AI知识入门、实践项目及深化拓…...

LFM2.5-1.2B-Thinking-GGUF一文详解:Liquid AI轻量模型设计哲学与边缘AI演进路径

LFM2.5-1.2B-Thinking-GGUF一文详解&#xff1a;Liquid AI轻量模型设计哲学与边缘AI演进路径 1. 模型概述与设计理念 LFM2.5-1.2B-Thinking-GGUF是Liquid AI团队专为边缘计算场景设计的轻量级文本生成模型。该模型采用1.2B参数规模&#xff0c;在保持较高生成质量的同时&…...

2026奇点智能技术大会深度复盘:为什么92%的AI初创公司已在Q2切换至AI-Native开源栈?(附迁移成本测算表)

第一章&#xff1a;2026奇点智能技术大会&#xff1a;AI原生开源生态 2026奇点智能技术大会(https://ml-summit.org) AI原生范式的演进本质 AI原生&#xff08;AI-Native&#xff09;不再仅指“用AI增强已有系统”&#xff0c;而是从底层基础设施、开发范式到应用交付全栈重构…...

PMSM滑模控制仿真优化:无位置传感器永磁电机文档分享,包括界面调整、波形记录与程序内部原理解析

PMSM滑模控制仿真无位置 永磁电机 可提供文档if启动 如果没有收敛&#xff0c;将1e-4搞小一点 e-6或者e-5试下 本次滑模模型文档包括&#xff1a; 1 simulink界面调整&#xff0c;由于使用这个仿真的时候很可能会出现因为软件环境不同导致无法使用&#xff0c; 或者导致的波形错…...

遥感目标检测数据预处理避坑:AIR-SARShip-1.0数据集裁剪中的重叠率、零像素与标注同步难题

遥感目标检测数据预处理实战&#xff1a;AIR-SARShip-1.0数据集裁剪的三大核心挑战与解决方案 处理大尺寸遥感图像数据集时&#xff0c;数据预处理环节往往成为项目成败的关键分水岭。以AIR-SARShip-1.0这类典型SAR舰船检测数据集为例&#xff0c;30003000像素的原始图像尺寸直…...