博客
关于我
在wsl中使用node和wsl与window环境冲突问题 使用 Ubuntu 系列(6️⃣)
阅读量:538 次
发布时间:2019-03-08

本文共 1291 字,大约阅读时间需要 4 分钟。

在WSL中配置全局Node.js环境

安装Node.js在Windows Subsystem for Linux (WSL)中操作,虽然有一些挑战,但完全可行。以下是详细的操作步骤。

grind……

现状

在安装Node.js之前,我们发现Node和NPM版本查询时会出现错误,提示不存在相关文件。这可能是由于WSL与本地计算机的环境变量配置不一致导致的。

直接在WSL安装Node.js

网上很多教程建议通过一些繁琐的方法(如SSH代理或桥接)来安装Node.js,这对我来说没有成功。于是,我决定采取更直接的方式。

Current situation

安装之前,通过query命令发现节点和npm的版本都无法正确识别。这可能是因为WSL和本地环境的变量配置存在不一致的问题。

Install Node.js in WSL

我直接下载Node.js v10.16.0的Linux版本(注意:链接已被修复)并进行了以下步骤:

cd /usr/local/softwarewget https://nodejs.org/download/release/v10.16.0/node-v10.16.0-linux-x64.tar.xz# 解压tar xvf node-v10.16.0-linux-x64.tar.xz# 重命名并删除压缩包mv node-v10.16.0-linux-x64 node-v10.16.0rm -rf node-v10.16.0-linux-x64.tar.xz

配置全局环境变量

在WSL上安装Node.js后,我需要配置全局环境变量。建议在WSL系统文件( /etc/profile/bashrc)中进行配置。

echo "export PATH=/usr/local/software/node-v10.16.0/bin:$PATH" >> /etc/profilesource /etc/profile

细节注意事项

在配置环境变量时,确保PATH的顺序正确。我之前曾误将bin放在后面,导致npm无法识别环境变量。建议正确顺序是:

export PATH=$PATH:/usr/local/software/node-v10.16.0/bin

这样可以确保npm能正确识别全局安装的依赖工具。

验证配置

安装完成后,使用以下命令验证:

node -vnpm -v

如果版本号正常显示,说明配置成功。

其他注意事项

对于使用Oh-My-Zsh的用户,建议在~/.zshrc中添加环境变量配置:

echo "export PATH=/usr/local/software/node-v10.16.0/bin:$PATH" >> ~/.zshrcsource ~/.zshrc

总结

通过以上步骤,我成功在WSL中配置了全局Node.js环境。现在,可以像在本地一样,轻松使用全局依赖工具,此外,也不再需要为WSL中的Node.js环境进行额外配置。

安装完成后,可以直接运行已安装的全局Node包,无需又在WSL中重新安装所需的全局npm包。

转载地址:http://aouiz.baihongyu.com/

你可能感兴趣的文章
pandas :按移位分组和累加和(GroupBy Shift And Cumulative Sum)
查看>>
pandas :检测一个DF和另一个DF之间缺失的列
查看>>
Pandas-从具有嵌套列表列表的现有列创建动态列时出错
查看>>
Pandas-通过对列和索引的值求和来合并两个数据框
查看>>
pandas.read_csv()的详解-ChatGPT4o作答
查看>>
PANDAS.READ_EXCEL()输出‘;溢出错误:日期值超出范围‘;而不存在日期列
查看>>
pandas100个骚操作:再见 for 循环!速度提升315倍!
查看>>
Pandas:对给定列求和 DataFrame 行
查看>>
Pandas、Matplotlib、Pyecharts数据分析实践
查看>>
Pandas中文官档~基础用法2
查看>>
Pandas中文官档~基础用法6
查看>>
pandas交换两列
查看>>
pandas实战:电商平台用户分析
查看>>
Pandas库常用方法、函数集合
查看>>
pandas打乱数据的顺序
查看>>
pandas改变一列值(通过apply)
查看>>
Pandas数据分析的环境准备
查看>>
Pandas数据可视化怎么做?用实战案例告诉你!
查看>>
Pandas数据处理与分析教程:从基础到实战
查看>>
Pandas数据结构之DataFrame常见操作
查看>>