当前位置: 首页 > article >正文

怎么编译OpenWrt镜像?-基于Widora开发板

1.准备相应的环境,我使用的环境是VMware16+ubuntu20.04,如图1所示安装编译所需的依赖包;

sudo apt-get install build-essential asciidoc binutils bzip2 gawk gettext git libncurses5-dev libz-dev patch python3 python2.7 unzip zlib1g-dev lib32gcc1 libc6-dev-i386 subversion flex uglifyjs git-core gcc-multilib p7zip p7zip-full msmtp libssl-dev texinfo libglib2.0-dev xmlto qemu-utils upx libelf-dev autoconf automake libtool autopoint device-tree-compiler g++-multilib antlr3 gperf wget curl swig rsync

图1

2.如图2所示,在~目录下创建project文件夹,在project文件夹下下载相应的代码;

mkdir project,cd project

git clone https://github.com/openwrt/openwrt

图2

3.如图3所示,进入openwrt目录下,执行./scripts/feeds update -a命令下载feeds.conf/feeds.conf.default中的所有最新包;

图3

4.如图4所示,执行./scripts/feeds install -a命令将所有获得的包的符号链接安装到fees包中;

图4

5.如图5所示,执行make menuconfig打开配置界面;

图5

6.如图5所示,配置完之后右键移动到Save使用回车保存,如图6和图7所示,接下来选择Ok回车即可;

图6

图7

7.如图8所示提前使用make download下载编译所需的依赖包,或者直接make也可以;

图8

8.如图9所示使用make编译即可,如图10编译完成。如果要查看详细编译信息,使用make V=99编译;

图9

图10

9.如图11所示,在/bin/targets/ramips/mt76x8目录下有固件生成,使用openwrt-ramips-mt76x8-widora_neo-32m-squashfs-sysupgrade.bin拿去刷机即可!刷机教程看我第一篇文章。

图11

参考链接:GitHub - openwrt/openwrt: This repository is a mirror of https://git.openwrt.org/openwrt/openwrt.git It is for reference only and is not active for check-ins. We will continue to accept Pull Requests here. They will be merged via staging trees then into openwrt.git.


http://www.kler.cn/a/404486.html

相关文章:

  • Linux驱动编程 - kmalloc、vmalloc区别
  • 多线程中Callable和Runnable的对比
  • 力扣 LeetCode 106. 从中序与后序遍历序列构造二叉树(Day9:二叉树)
  • MySQL45讲 第二十八讲 读写分离有哪些坑?——阅读总结
  • 第 24 章 -Golang 性能优化
  • 【C++入门(一)】半小时入门C++开发(深入理解new+List+范围for+可变参数)
  • 【GPTs】Front-end Expert:助力前端开发的智能工具
  • 设计模式之 组合模式
  • PCIe总线设计
  • Java中的TreeSet集合解析
  • 计算机毕设-基于springboot的多彩吉安红色旅游网站的设计与实现(附源码+lw+ppt+开题报告)
  • JMeter 性能测试计划深度解析:构建与配置的树形结构指南
  • k8s1.30.0高可用集群部署
  • 04-转录组下游分析-标准化、聚类、差异分析
  • C++真题实战(一)[卡片问题]
  • 动静态库:选择与应用的全方位指南
  • .NET开源实时应用监控系统:WatchDog
  • 《C++20 图形界面程序:速度与渲染效率的双重优化秘籍》
  • STM32学习笔记----三极管和MOS管的区别
  • 【人工智能】深度学习入门:用TensorFlow实现多层感知器(MLP)模型