博客
关于我
win10搭建hexo博客并部署到github
阅读量:239 次
发布时间:2019-03-01

本文共 929 字,大约阅读时间需要 3 分钟。

Hexo博客创建与部署指南

1. 安装Node.js和npm

Hexo博客的核心是基于Node.js,因此首先需要安装Node.js。安装完成后,npm会被默认安装,用于管理依赖项。

2. 安装Hexo

使用npm安装Hexo CLI:

npm install -g hexo-cli

遇到网络问题可使用国内镜像源安装cnpm:

npm install -g cnpm --registry=https://registry.npm.taobao.org

然后用cnpm安装Hexo:

cnpm install -g hexo-cli

验证安装:

hexo -v

3. 创建博客文件夹

新建一个文件夹,进入该文件夹并初始化Hexo:

hexo init

初始化后,目录结构应为:

.├── public/├── source/├── node_modules/...

4. 启动本地服务器

启动Hexo服务:

hexo server

访问http://localhost:4000查看博客首页。

5. 创建和编辑博客

使用hexo new创建新文章:

hexo new "My New Post"

默认生成Markdown文件于source/_posts,可用vim或其他编辑器编辑。

6. 生成静态文件

清除缓存:

hexo clean

生成静态文件:

hexo g

7. 部署到GitHub

创建GitHub仓库,仓库名为username.github.io。编辑_config.yml,设置仓库地址。

安装Hexo Deployer插件:

cnpm install hexo-deployer-git --save

部署:

hexo d

完成后,访问https://username.github.io查看博客。

8. 自定义和优化

推荐使用星星多的主题,例如Next主题。通过修改_config.yml设置主题和其他样式。

注意事项

  • 网速问题可使用cnpm解决。
  • 重启Hexo文件夹并删除后可解决多数问题。
  • 部署前确保仓库名正确,访问地址为username.github.io

通过以上步骤,轻松创建并部署Hexo个人博客,开始你的技术写作之旅吧!

转载地址:http://dwyv.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | 实战 | 使用YoloV8实例分割识别猪的姿态(含数据集)
查看>>
OpenCV与AI深度学习 | 实战 | 使用姿态估计算法构建简单的健身训练辅助应用程序
查看>>
OpenCV与AI深度学习 | 实战 | 基于OpenCV和K-Means聚类实现颜色分割(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YoloV5和Mask RCNN实现汽车表面划痕检测(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YOLOv9+SAM实现动态目标检测和分割(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YOLOv9和OpenCV实现车辆跟踪计数(步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 实战 | 文本图片去水印--同时保持文本原始色彩(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 通过微调SegFormer改进车道检测效果(数据集 + 源码)
查看>>
OpenCV与AI深度学习 | 实战—使用YOLOv8图像分割实现路面坑洞检测(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战篇——基于YOLOv8和OpenCV实现车速检测(详细步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战|OpenCV实时弯道检测(详细步骤+源码)
查看>>
OpenCV与AI深度学习 | 实用技巧 | 使用OpenCV进行模糊检测
查看>>
OpenCV与AI深度学习 | 实践教程|旋转目标检测模型-TensorRT 部署(C++)
查看>>
OpenCV与AI深度学习 | 工业缺陷检测中数据标注需要注意的几个事项
查看>>
OpenCV与AI深度学习 | 干货 | 深度学习模型训练和部署的基本步骤
查看>>
OpenCV与AI深度学习 | 手把手教你用Python和OpenCV搭建一个半自动标注工具(详细步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 水下检测+扩散模型:或成明年CVPR最大惊喜!
查看>>
OpenCV与AI深度学习 | 深入浅出了解OCR识别票据原理
查看>>
OpenCV与AI深度学习 | 深度学习检测小目标常用方法
查看>>
OpenCV与AI深度学习 | 超越YOLOv10/11、RT-DETRv2/3!中科大D-FINE重新定义边界框回归任务
查看>>