博客
关于我
java jdk的安装 解决 javac不是可执行命令
阅读量:591 次
发布时间:2019-03-11

本文共 951 字,大约阅读时间需要 3 分钟。

Java JDK 安装与环境变量配置指南

Java JDK 的下载

下载JDK(Java Development Kit)前,建议访问Oracle官方网站:https://www.oracle.com/technetwork/java/javase/downloads/index.html。对于开发环境最好选择最新版本,我选择的是JDK 8。

Java JDK 安装

  • 下载并解压:找到下载的JDK安装文件(通常是jinstall-8u201.exe),双击启动安装程序。
  • 选择安装路径:按照引导选择安装目录,一般建议设置为单独目录,例如E:\Java\jdk1.8.0
  • 选择默认设置:在安装向导中选择“选择我所有组件”以安装最常用的开发工具。
  • 等待安装完成:安装完成后,会自动启动JDK的初始设置向导,继续按照提示完成。
  • 安装完成后,JDK会同时安装JRE(Java Runtime Environment),不过这将专门用作运行时间环境的目标版本。

    配置环境变量

    1. 环境变量设置(适用于Windows 10)

  • 打开系统设置:右键点击“此电脑”,选择“属性”,然后找到“高级系统设置”。
  • 进入环境变量:点击“高级系统设置”下的“环境变量”。
  • 新建变量:点击右侧的“新建…”按钮。
    • 变量名:填写JAVA_HOME
    • 变量值:填写JDK安装目录路径,如E:\Java\jdk1.8.0
  • 添加CLASSPATH:继续新建变量:
    • 变量名:填写CLASSPATH
    • 变量值:值为.%JAVA_HOME%\lib\dt.jar;%JAVA_HOME%\lib\tools.jar;
  • 添加PATH:最后新建变量:
    • 变量名:填写path
    • 变量值:值为%JAVA_HOME%\bin;%JAVA_HOME%\jre\bin;
  • 2. 验证配置

    完成环境变量设置后,打开命令提示符(命令行),输入以下命令验证:

    • 输入java -version:如果显示JVM版本,说明JDK安装成功。
    • 输入javac -version:如果显示JavaCompiler版本,说明环境变量配置正确。

    以上步骤将帮助您顺利完成Java JDK的下载、安装及环境变量配置。如果遇到问题,可以参考官方文档或在技术论坛获取进一步帮助。

    转载地址:http://oxatz.baihongyu.com/

    你可能感兴趣的文章
    OpenCV与AI深度学习 | 2024年AI初学者需要掌握的热门技能有哪些?
    查看>>
    OpenCV与AI深度学习 | OpenCV图像拼接--Stitching detailed使用与参数介绍
    查看>>
    OpenCV与AI深度学习 | OpenCV快速傅里叶变换(FFT)用于图像和视频流的模糊检测(建议收藏!)
    查看>>
    OpenCV与AI深度学习 | SAM2(Segment Anything Model 2)新一代分割一切大模型介绍与使用(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | YOLO11介绍及五大任务推理演示(目标检测,图像分割,图像分类,姿态检测,带方向目标检测)
    查看>>
    OpenCV与AI深度学习 | YOLOv11来了:将重新定义AI的可能性
    查看>>
    OpenCV与AI深度学习 | 使用Python和OpenCV实现火焰检测(附源码)
    查看>>
    OpenCV与AI深度学习 | 使用PyTorch进行小样本学习的图像分类
    查看>>
    OpenCV与AI深度学习 | 使用YOLO11实现区域内目标跟踪
    查看>>
    OpenCV与AI深度学习 | 使用YOLOv8做目标检测、实例分割和图像分类(包含实例操作代码)
    查看>>
    OpenCV与AI深度学习 | 使用单相机对已知物体进行3D位置估计
    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YOLOv8的停车对齐检测
    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>>