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 | 十分钟掌握Pytorch搭建神经网络的流程
查看>>
OpenCV与AI深度学习 | 基于GAN的零缺陷样本产品表面缺陷检测
查看>>
OpenCV与AI深度学习 | 基于OpenCV和深度学习预测年龄和性别
查看>>
OpenCV与AI深度学习 | 基于OpenCV实现模糊检测 / 自动对焦
查看>>
OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果
查看>>
OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
查看>>
OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLO11的车体部件检测与分割
查看>>
OpenCV与AI深度学习 | 基于YoloV11自定义数据集实现车辆事故检测(有源码,建议收藏!)
查看>>
OpenCV与AI深度学习 | 基于YOLOv8 + BotSORT实现球员和足球检测与跟踪 (步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLOv8实现高级目标检测和区域计数
查看>>
VS2003 Front Page Server Extension
查看>>
OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
查看>>
OpenCV与AI深度学习 | 基于YoloV8的药丸/片剂类型识别
查看>>
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 | 基于改进YOLOv8的景区行人检测算法
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>>