博客
关于我
在Windows下使用Hexo+GithubPage搭建博客的过程
阅读量:431 次
发布时间:2019-03-06

本文共 893 字,大约阅读时间需要 2 分钟。

Windows环境下Hexo+GitHub Pages搭建个人博客

1. 安装Node.js

下载Node.js即可安装,推荐使用LTS版本。安装完成后,通过node -v验证是否安装成功。

2. 安装Git

下载Git安装包,进行安装。通过git --version确认安装状态。

3. 注册GitHub账号

访问GitHub官网注册账号,注册完成后记得添加SSH Key,以便后续代码提交。

4. 生成SSH Key

打开Git Bash,执行命令:

ssh-keygen -t rsa -C "你的邮箱地址"

生成两个文件:id_rsaid_rsa.pub。将id_rsa.pub添加到GitHub账号的SSH设置中。

5. 搭建Hexo博客

创建一个空的文件夹,右键选择Git Bash,输入命令安装Hexo:

npm install -g hexo

初始化Hexo项目:

hexo init

进入项目目录,安装依赖:

cd hexonpm install

生成部署文件并启动服务器:

hexo generatehexo server

6. 配置GitHub Page

登录GitHub,新建一个仓库,仓库名为<你的GitHub用户名>.github.io。启用GitHub Pages,选择模板并发布。

7. 将Hexo项目托管到GitHub

修改hexo/_config.yml,添加部署配置:

deploy:  type: git  repository: git@github.com:你的GitHub用户名/你的GitHub用户名.github.io.git  branch: master

安装Hexo Deployer插件:

npm install hexo-deployer-git --save

每次修改后执行:

hexo cleanhexo generatehexo deploy

8. 调试与优化

确保所有配置正确,部署后访问GitHub Pages查看效果。如有问题,可返回项目目录检查配置文件或重新启动服务器。

通过以上步骤,成功搭建并部署个人博客。

转载地址:http://ujfyz.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | 基于YOLO和EasyOCR从视频中识别车牌
查看>>
OpenCV与AI深度学习 | 基于图像处理的火焰检测算法(颜色+边缘)
查看>>
OpenCV与AI深度学习 | 基于拉普拉斯金字塔实现图像融合(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案
查看>>
OpenCV与AI深度学习 | 基于深度学习的轮胎缺陷检测系统
查看>>
OpenCV与AI深度学习 | 如何使用YOLOv9分割图像中的对象
查看>>
OpenCV与AI深度学习 | 如何使用YOLOv9检测图片和视频中的目标
查看>>
OpenCV与AI深度学习 | 如何在 Docker 容器中使用 GPU
查看>>
OpenCV与AI深度学习 | 实战 | OpenCV中更稳更快的找圆方法--EdgeDrawing使用演示(详细步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | OpenCV传统方法实现密集圆形分割与计数(详细步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | OpenCV实现扫描文本矫正应用与实现详解(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 使用OpenCV和Streamlit搭建虚拟化妆应用程序(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 使用OpenCV确定对象的方向(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 使用YOLOv8 Pose实现瑜伽姿势识别
查看>>
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>>