zoukankan      html  css  js  c++  java
  • (转)利用ant在Mac 下自动化打包签名Android程序

    1.创建一个android项目

    参数说明:-k /--package 为命名空间(包名)-a /--name 工程名-p /--path 项目 -t 为目标平台的版本编号

    命令:./android create project -k com.android.yunju -a yunju -t 5 -p ~/Download/yunju 

    列出不同平台的版本编号命令:android list targets

     2、已有项目更新

    以创建的项目更新ant对已经存在的android工程,可以update下(修改平台的版本),这样会自动添加build.xml 等ant 的配置文件

    命令:./android update project --name yunju -t 5 -p ~/Documents/YunJU/

    当然,你要在android sdk tools的目录下。

    3、命令行编译打包

    参考:http://developer.android.com/tools/building/building-cmdline.html

    ant 参数如下:
    
    debug:带调试用签名的构建 release:构建应用程序,生成的apk必须签名才可以发布
    
    install:安装调试构建的包到运行着的模拟器或者设备;
    
    reinstall
    
    uninstall
    

      在Android项目文件下:ant debug ,会打包出来调试签名的apk。

    4、release打包方式

    在ant.properties 文件中添加

    key.store=path/to/my.keystore
    key.alias=mykeystore
    key.store.password=wodemima
    key.alias.password=wodemima
    

      再运行:ant release

    -release-sign:
         [echo] Signing final apk...
      [signapk] Run cancelled: no changes to input file /Users/rongfzh/Documents/YunJU/bin/yunju-release-unsigned.apk
     [zipalign] Run cancelled: no changes to input file /Users/rongfzh/Documents/YunJU/bin/yunju-release-unaligned.apk
         [echo] Release Package: /Users/rongfzh/Documents/YunJU/bin/yunju-release.apk
    [propertyfile] Updating property file: /Users/rongfzh/Documents/YunJU/bin/build.prop
    [propertyfile] Updating property file: /Users/rongfzh/Documents/YunJU/bin/build.prop
    [propertyfile] Updating property file: /Users/rongfzh/Documents/YunJU/bin/build.prop
    [propertyfile] Updating property file: /Users/rongfzh/Documents/YunJU/bin/build.prop
    
    -post-build:
    
    release:
    
    BUILD SUCCESSFUL
    Total time: 2 seconds
    

      生成三个apk,其中一个就是签名好的发布的apk了。

    也可以打包完成立即安装:ant release install

  • 相关阅读:
    Qt 查询字符串数据
    #include <stdint.h>
    滤波器设计-巴特沃尔斯低通滤波设计 转
    小波学习之二(单层一维离散小波变换DWT的Mallat算法C++实现优化)--转载
    机器学习之Bagging与随机森林笔记
    机器学习之决策树笔记
    机器学习之softmax回归笔记
    机器学习之逻辑回归(Logistic)笔记
    机器学习之模型拟合效果的判断笔记
    机器学习最小二乘法笔记
  • 原文地址:https://www.cnblogs.com/greywolf/p/3459640.html
Copyright © 2011-2022 走看看