【Rust自学】7.5. use关键字 Pt.2 :重导入与换国内镜像源教程
7.5 use关键字 Pt.2 重导出与换国内镜像源教程7.5.1. 使用pub use重新导出名称使用use将路径导入作用域内后该名称在词法作用域内是私有的。以 7.4. use关键字 Pt.1use的使用与as关键字 的代码为例mod front_of_house { pub mod hosting { pub fn add_to_waitlist() { } fn seat_at_table() { } } } use crate::front_of_house::hosting::add_to_waitlist; pub fn eat_at_restaurant() { add_to_waitlist(); }对于外部代码来说,eat_at_restaurant是可以访问到的因为它在声明时使用了pub关键字但eat_at_restaurant下使用的add_to_waitlist外部代码是看不见的因为use引入默认是私有的。如果想要外部代码也能访问到就需要在use前增加pub关键字mod front_of_house { pub mod hosting { pub fn add_to_waitlist() { } fn seat_at_table() { } } } pub use crate::front_of_house::hosting::add_to_waitlist; pub fn eat_at_restaurant() { add_to_waitlist(); }这样子就可以让外部代码访问到use引入的条目。当我们想要对外暴露代码的时候我们可以使用这种技术不按照内部代码的结构而是做一些调整来对外进行暴露。这样代码内部的结构和外边看到的可能就会有点不一样。毕竟写代码的人和调用代码的人他们所期望的东西通常是不一样的。最后总结一下:pub use重导出既可以将该条目引入作用域也可以使该条目被外部代码引入到它们的作用域。7.5.2. 使用外部的包(package)首先要在Cargo.toml里添加依赖项的包(package)名与版本而Cargo会从crates.io这个网站上下载这个包和这个包的依赖项到本地也可以用野生的crate去GitHub找但非常不建议这么做。然后就是在代码里使用use将特定条目引入到作用域。还记得 2.2. 猜数游戏 Pt.2 生成随机数 吗那时候我们需要rand包来生成随机数现在我们还是以引入rand包来举例Step 1修改Cargo.toml打开项目的Cargo.toml文件在[dependencies]下写上包名和版本中间用连接如下[package] name RustStudy version 0.1.0 edition 2021 [dependencies] rand 0.8.5Step 2在源代码中引入包你想用包下的什么东西就用use指定对应的路径来引入即可。这里我需要生成随机数的方法所以要把Rng这个 trait 引入作用域引入这行的代码如下use rand::Rng;Rust语言的标准库std也被当作是外部的包但是它已经内置在Rust语言内了所以就不需要在Cargo.toml里增加依赖项了直接在源代码中用use引入就行这有点类似于Python中的re、os、ctype这类库。比如说我们想要引入std下的collections模块的HashMap这个结构体就应该写use std::collections::HashMap;但不用修改Cargo.toml。7.5.3. 使用嵌套路径清理大量的use语句有的时候使用同一个包或模块下的多个条目前面部分都是一样的但是还是得写几遍占用几行如果引入的东西比较多需要写很多遍根本不现实所以Rust允许使用嵌套路径在同一行内来简化引入的代码。类似于bash的花括号展开特性。其格式如下:use 同样的部分::{不同的部分1, 不同的部分2, ...}看个例子use std::cmp::Ordering; use std::io;它们有公共的部分std所以就可以用嵌套路径写为use std::{cmp::Ordering, io};如果其中一个引用是另外一个引用的子路径Rust还允许在使用嵌套路径时使用self关键字如下例use std::io; use std::io::Write;这部分就可以简写为:use std::io::{self, Write};7.5.4. 通配符*使用*可以把路径中所有的公共条目都引入到作用域。比如我想把std库下collections模块所有的公共条目都引入进去就可以这么写use std::collections::*;但是这种引入要非常谨慎的使用通常不这样用。它的应用场景是- 在测试的时候把所有被测试的代码引入到test模块- 有时候被用于预导入(prelude)模块7.5.5. 给Rust依赖项下载换源由于crates.io的网站在国外所以国内下载很慢可以换成清华大学镜像。注意Cargo 读取的配置文件在用户目录下的.cargo里而不是项目根目录。Windows 上默认路径是%USERPROFILE%\.cargo\config.toml也就是用户文件夹下的.cargo\config.toml。打开Windows TerminalWin11自带Win10需要去微软商店里下载不花钱先确保.cargo目录存在然后进入该目录mkdir %USERPROFILE%\.cargo cd %USERPROFILE%\.cargo如果还没有配置文件可以新建一个文件名推荐config.toml如果文件已经存在不要用下面这条命令覆盖直接编辑即可type nul config.toml编辑它输入如下指令回车vim config.toml把这段贴进去清华大学当前推荐的稀疏索引写法需要 Cargo 1.68 及以上[source.crates-io] replace-with tuna [source.tuna] registry sparsehttps://mirrors.tuna.tsinghua.edu.cn/crates.io-index/把光标不是鼠标指针下移从移到然后输入:wq再按回车就会保存。然后再重新build你的项目就可以。

相关新闻

硬件限制下的AI训练场景与优化方案

硬件限制下的AI训练场景与优化方案

一、先明确你的硬件核心限制 配置:i7-4710MQ(4 核 8 线程)+16G DDR3+GTX960M 4G 移动端显存 致命瓶颈:仅 4G 独立显存,移动端 GPU 算力弱、CUDA 最高仅支持 10.2/11.1,新版 PyTorch 不兼容;全量训练极易 OOM 显存溢出。 仅能做小型模型从零训练、轻量大模型 LoRA 微调、…

2026/7/23 18:49:03阅读更多 →
金九银十Java面试1000问:基础/网络/算法/设计模式/多线程全覆盖,面试必刷

金九银十Java面试1000问:基础/网络/算法/设计模式/多线程全覆盖,面试必刷

本来已经在为去大厂工作摩拳擦掌的 Java 朋友,社招又是需要 5 年以上的,今年显得格外艰难: 就业人数高达 874 万!人才竞争加剧!大多数公司的招聘需求缩减!对社招来说,人才招聘要求愈来愈高&…

2026/7/23 18:49:03阅读更多 →
【Rust自学】8.1. Vector

【Rust自学】8.1. Vector

8.1 向量Vector 8.1.0. 本章内容 第八章主要讲的是 Rust 中常见的集合。Rust 提供了很多集合类型的数据结构,这些集合可以包含很多值。但是第八章所讲的集合与数组和元组有所不同。 第八章中的集合是存储在堆内存上而非栈内存上的,这也意味着这些集合…

2026/7/23 18:49:02阅读更多 →
【CTF-WEN-PHP】phps查看源代码并用双重URL编码绕过,admin编码为%25%36%31%25%36%34%25%36%44%25%36%39%25%36%45

【CTF-WEN-PHP】phps查看源代码并用双重URL编码绕过,admin编码为%25%36%31%25%36%34%25%36%44%25%36%39%25%36%45

题目 攻防世界-WEB-PHP2 https://adworld.xctf.org.cn/challenges/list 解题 访问网址 http://61.147.171.105:64825/index.phps admin.split().map(c > % c.charCodeAt(0).toString(16).toUpperCase()).join()%61%64%6D%69%6E%61%64%6D%69%6E.split().map(c > % …

2026/7/23 19:59:27阅读更多 →
告别低效记录!免费又好用的语音转文字软件深度评测,准确率高达98.7%

告别低效记录!免费又好用的语音转文字软件深度评测,准确率高达98.7%

你是否也曾在冗长的会议后,面对堆积如山的录音文件感到头疼?是否在学生时代,为了一字不差地记下老师的板书和口述而手忙脚乱?又或者,作为一名内容创作者,需要将大量的视频、音频采访素材快速转化为文字&…

2026/7/23 19:59:27阅读更多 →
【CTF-MISC-压缩包】脚本实现批量提取压缩包数据

【CTF-MISC-压缩包】脚本实现批量提取压缩包数据

题目 2024年春秋杯网络安全联赛冬季赛 - MISC - 压力大,写个脚本吧 https://www.ichunqiu.com/battalion?t1&r78931 解题思路 打开文件 发现一个压缩包一个txt文件 txt里有一串密文 RkdGR0ZHRkdGR0ZHRkdGR0ZHRkdGR0ZHRkdGR0ZHRkdGR0ZHRkdGR0ZHRkdGR0ZH…

2026/7/23 19:59:27阅读更多 →
AI电商头花主图生成:Stable Diffusion商业实践

AI电商头花主图生成:Stable Diffusion商业实践

1. 项目背景与核心价值这个头花产品商业化做图项目源于一个很实际的需求:如何在电商平台上用最低成本批量生成高质量产品展示图。作为从业十年的电商视觉设计师,我深知中小商家在商品主图制作上的痛点——请专业摄影师拍摄成本高,自己拍又难以…

2026/7/23 19:59:27阅读更多 →
[具身智能-629]:从单人闭环到五人协同:云端GPU与边缘专用芯片AI开发的本质鸿沟

[具身智能-629]:从单人闭环到五人协同:云端GPU与边缘专用芯片AI开发的本质鸿沟

很多AI开发者都有一个直观困惑:为什么在电脑、云端随便就能跑通的模型,移植到边缘嵌入式芯片后,bug层出不穷、精度断崖下跌、帧率死活不达标?核心答案并非算力差距,而是两套完全不同的AI工程体系、两种截然不同的研发模…

2026/7/23 19:59:27阅读更多 →
RAG(03)——高质量文本分块

RAG(03)——高质量文本分块

为什么你的RAG效果不佳? 核心痛点 LLM强大,Prompt精心调校,但答案仍不准确检索算法和Embedding已优化,却忽略分块(Chunking) 关键结论 “不恰当的分块给模型喂’坏数据”分块质量决定RAG性能的下限 分块的本质 分块的必要性 LM上下文长度限制-向量检索对语义完整性的…

2026/7/23 19:57:21阅读更多 →
Go语言静态资源打包方案对比与实践指南

Go语言静态资源打包方案对比与实践指南

1. 项目背景与核心需求在Go语言开发中,我们经常需要处理静态资源文件的打包问题。无论是Web应用的模板文件、前端资源,还是配置文件、证书等,都需要随程序一起分发。传统做法是将这些文件与编译后的二进制文件放在同一目录下,但这…

2026/7/23 0:56:31阅读更多 →
Go语言实现高性能LDAP认证服务的架构与实践

Go语言实现高性能LDAP认证服务的架构与实践

1. 项目背景与核心价值LDAP(轻量级目录访问协议)作为企业级身份认证的黄金标准,已经服务了超过80%的财富500强公司。我在金融科技领域实施统一认证体系时,发现传统Java方案存在启动慢、内存占用高等痛点。而Go语言凭借其协程并发模…

2026/7/23 0:56:31阅读更多 →
【AI面试官实战指南】:用ChatGPT模拟10类高频技术岗面试,3天提升应答精准度92%

【AI面试官实战指南】:用ChatGPT模拟10类高频技术岗面试,3天提升应答精准度92%

更多请点击: https://intelliparadigm.com 第一章:AI面试官实战指南的核心价值与适用场景 AI面试官并非替代人类HR的“黑箱工具”,而是以可解释、可审计、可迭代的方式,赋能招聘全链路的关键基础设施。其核心价值在于将主观经验沉…

2026/7/23 0:56:31阅读更多 →
Chitchatter完整指南:免费开源的终极点对点安全聊天工具

Chitchatter完整指南:免费开源的终极点对点安全聊天工具

Chitchatter完整指南:免费开源的终极点对点安全聊天工具 【免费下载链接】chitchatter Secure peer-to-peer chat that is serverless, decentralized, and ephemeral 项目地址: https://gitcode.com/gh_mirrors/ch/chitchatter Chitchatter是一款革命性的安…

2026/7/23 0:00:28阅读更多 →
从单点好评到指数级传播:AI副业主理人必须掌握的4层口碑渗透模型(含ROI测算表)

从单点好评到指数级传播:AI副业主理人必须掌握的4层口碑渗透模型(含ROI测算表)

更多请点击: https://intelliparadigm.com 第一章:从单点好评到指数级传播:AI副业主理人必须掌握的4层口碑渗透模型(含ROI测算表) 当AI副业主理人不再仅满足于单次服务交付,而是主动构建可复用、可裂变、可…

2026/7/23 0:00:28阅读更多 →
油泥处理设备哪里能买到

油泥处理设备哪里能买到

油泥处理设备哪里有?这是许多从事油田、炼化、清罐业务的从业者最关心的问题。根据河南三丰环保设备有限公司的行业经验,选购油泥处理设备的核心在于设备能否适配当地环保法规与原料特性,而非单纯看价格。该公司总经理王钦田先生指出&#xf…

2026/7/23 0:00:28阅读更多 →
YOLOv8推理性能优化:从1.2FPS到35FPS的全链路加速实践

YOLOv8推理性能优化:从1.2FPS到35FPS的全链路加速实践

如果你在部署 YOLOv8 时,发现推理速度只有可怜的 1-2 FPS,而别人的演示视频却能跑到 30 FPS 以上,那么问题很可能不在模型本身,而在于你的整个处理链路。很多开发者拿到一个训练好的 YOLOv8 模型后,会直接使用官方示例…

2026/7/22 22:56:18阅读更多 →
Coze与Dify对比指南:低代码AI应用开发从入门到实战

Coze与Dify对比指南:低代码AI应用开发从入门到实战

1. 从零到一:为什么你需要了解 Coze 和 Dify?如果你对 AI 应用开发感兴趣,但一看到“大模型”、“智能体”、“工作流”这些词就头疼,觉得门槛太高,那这篇文章就是为你准备的。很多开发者,包括我自己&#…

2026/7/23 18:58:18阅读更多 →
AI生图工具怎么选?2026年6月版实测对比

AI生图工具怎么选?2026年6月版实测对比

做自媒体的朋友应该都有体会:配图一直是个让人头疼的问题。2026年,AI生图工具已经非常成熟了,但工具太多反而不知道怎么选。以下是截至2026年6月我对主流AI生图工具的实测对比。Midjourney V8.1:速度之王2026年6月11日&#xff0c…

2026/7/23 18:58:18阅读更多 →