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
OpenCV与AI深度学习 | OpenCV常用图像拼接方法(二) :基于模板匹配拼接
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 | T-Rex Label !超震撼 AI 自动标注工具,开箱即用、检测一切
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 | YOLOv10在PyTorch和OpenVINO中推理对比
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 | YOLOv8自定义数据集训练实现火焰和烟雾检测(代码+数据集!)
查看>>
OpenCV与AI深度学习 | YOLOv8重磅升级,新增旋转目标检测,又该学习了!
查看>>
OpenCV与AI深度学习 | 一文带你读懂YOLOv1~YOLOv11(建议收藏!)
查看>>
OpenCV与AI深度学习 | 五分钟快速搭建一个实时人脸口罩检测系统(OpenCV+PaddleHub 含源码)
查看>>
OpenCV与AI深度学习 | 什么是 COCO 数据集?
查看>>
OpenCV与AI深度学习 | 低对比度缺陷检测应用实例--LCD屏幕脏污检测
查看>>
OpenCV与AI深度学习 | 使用 MoveNet Lightning 和 OpenCV 实现实时姿势检测
查看>>
OpenCV与AI深度学习 | 使用 OpenCV 创建自定义图像滤镜
查看>>
OpenCV与AI深度学习 | 使用 SAM 和 Grounding DINO 分割卫星图像
查看>>
OpenCV与AI深度学习 | 使用OpenCV图像修复技术去除眩光
查看>>
OpenCV与AI深度学习 | 使用OpenCV检测并计算直线角度
查看>>
OpenCV与AI深度学习 | 使用OpenCV轮廓检测提取图像前景
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>>