• 【Quick-COCOS2D-X 3.3 怎样绑定自己定义类至Lua之中的一个】环境搭建



    * 确定你安装了Android NDK R9B 版本号 ,假设没有前往下面地址下载。
    ( https://dl.google.com/android/ndk/android-ndk-r9b-linux-x86_64.tar.bz2) from (http://developer.android.com/tools/sdk/ndk/index.html)


    * 前往 (http://www.python.org/ftp/python/2.7.3/python-2.7.3.msi)下载Python2.7.3 (32bit),并保证它被正确安装。


    * 为Python设置用户变量,"系统"->(右健)属性->"高级系统设置"->环境变量->在用户变量栏增加附一中的系统变量。


    * 前往 (http://pyyaml.org/download/pyyaml/PyYAML-3.10.win32-py2.7.exe) 下载Pyyaml 。并安装。


    * 前往 (https://raw.github.com/dumganhar/my_old_cocos2d-x_backup/download/downloads/Cheetah.zip)下载 pyCheetah , 并解压至 "C:Python27Libsite-packages"。


    * 检查是否正确设置如 (附一)中 的环境变量(`NDK_ROOT`)的值。


    * 检查你的绑定环境。进入引擎 "cocos2d-x/tools/tolua" 文件夹。并运行 "genbindings.py", 剩下的工作交给该Python来将我们的引擎绑定至Lua。假设看到了 "Generating lua bindings succeeds.",哪说明你的环境配制好了。




    附一  配制系统环境(见图)


    Cocos2d-x 3.3 与 Quick-Cocos2d-x 3.3 必须配制的环境变量。
    每一个人安装引擎及对应软件位置会不一样。请确保给出正确的系统环境变量地址,切勿直接将我的拷贝至你的变量值其中。



    // Python 的安装路径(我採用的是默认安装 所以是在 C:Python27)

    PYTHON_ROOT:C:Python27


    //Java JDK 的安装路径(我採用的是默认安装 所以是在 C:Program FilesJavajdk1.7.0_45 )

    JAVA_HOME : C:Program FilesJavajdk1.7.0_45

    // 开发Android的NDK我将其解压至 C:AndroidNDK_R9B (你也能够将它解压至任务文件夹)

    NDK_ROOT : C:AndroidNDK_R9B


    // 开发Android的SDK 我将其解压至 C:AndroidADTsdk (你也能够将它解压至任务文件夹)

    ANDROID_SDK_ROOT: C:AndroidADTsdk


    // 开发Android的ANT 我将其解压至 C:AndroidANTin (你也能够将它解压至任务文件夹)

    ANT_ROOT : C:AndroidANTin


    下面4个变量值在你执行Cocos2d-x3.3 "stepup.py(在引擎根文件夹下)"正确配制Cocos2d-x3.3引擎后,将会为你自己主动增加的系统变量,注意我在Path中增加了"C:Python27;"。


    COCOS_CONSOLE_ROOT: D:cocos2d-x-3.3 oolscocos2d-consolein
    COCOS_TEMPLATES_ROOT : D:cocos2d-x-3.3 emplates
    COCOS_X_ROOT : D:cocos2d-x-3.3

    PathC:Python27;D:cocos2d-x-3.3 emplates;D:cocos2d-x-3.3 oolscocos2d-consolein







    假设能看到这张图,说明你环境配制好了。跟着我前往下一步吧。

          【Quick-COCOS2D-X 3.3 怎样绑定自己定义类至Lua之二】新建项目中配制环境


  • 相关阅读:
    HighCharts基本使用
    Django REST framework
    Python基础知识之大杂烩
    聚类算法:K-Means
    决策树学习笔记
    pd.read_csv() 、to_csv() 之 常用参数
    对分类型变量,进行编码处理——pd.get_dummies()、LabelEncoder()、oneHotEncoder()
    分类模型效果评估
    标准差、方差、协方差的区别
    copy 和 deepcopy的区别
  • 原文地址:https://www.cnblogs.com/zhchoutai/p/6714424.html
Copyright © 2020-2023  润新知