淘淘商城第9讲——从SVN服务器下载代码
发布日期:2021-06-30 17:55:16
浏览次数:3
分类:技术文章
本文共 1530 字,大约阅读时间需要 5 分钟。
前言
在上一讲中,我们已经将所有工程的代码都上传到SVN服务器上了,这一讲,我就来教大家如何从SVN服务器下载代码。
为了教大家如何从SVN服务器下载代码,我们需要把Eclipse上的工程给真正删除掉,如下图所示,选中所有工程然后右键,再在其子菜单中点击Delete
。
Delete project contents on disk(cannot be undone)
前面的复选框,紧接着点击OK
按钮。 最后,删除完所有工程之后,会变得一片空白,如下图所示。 值得注意的是,我们不能在SVN资源库研究
视图中删除代码,你可以按照如下图所示的步骤来打开SVN资源库研究
视图。 可以看到SVN资源库研究
视图如下图所示,千万记住,一定不要在这儿删除工程的代码,这个删了可就真没了,因为这里删除的是SVN服务器中的代码。你在这儿删了之后,别的同事他要更新代码,一更新,服务端就会把他的本地同步,这样就会删除他本地的代码,相当于你把人家的代码真删了,再也没有副本了,这个时候所产生的后果会非常严重。 接下来,我们就要从SVN服务器下载代码了。 下载代码
第一步,选中名为taotao
的Working Set并右键,然后在其子菜单中点击Import...
,如下图所示。
SVN
这一项,并选择从SVN检出项目
,接着点击Next
按钮。 第三步,会弹出如下窗口,然后在该窗口中选择下面那个资源库URL,接着点击Next
按钮。 第四步,会弹出如下窗口,然后在该窗口中选中四个模块,接着点击Next
按钮。 第五步,会弹出如下窗口,从中我们可以看到多个工程就一个选项(做为工作空间中的多个项目检出),如果是单个工程的话,会有两个选项,我们依然选择这个选项就可以了,接着点击Next
按钮。 第六步,这一步不用做配置,直接点击Finish
按钮即可,如下图所示。 第七步,此时,我们会发现这些刚刚导入的工程都归纳在了名为Other Projects
的Working Set中,而我们明明是要使用名为taotao
的Working Set来管理这些工程的,那该怎么办呢?很简单,直接将这些工程拖拽到它下面。 展开这些刚刚导入的工程的目录,会发现这些工程目前根本就不是maven工程(没有maven目录,也没有m图标),因此我们需要将工程转为maven工程。 转maven工程最好按照依赖的先后顺序来转,比如,taotao-parent工程不依赖于任何工程,因此先转它比较合适。操作步骤是在taotao-parent工程上右键,然后在右键菜单中把鼠标放到Configure
上,接着在其子菜单中点击Convert to Maven Project
,如下图所示。 转换完之后,我们便可以看到该工程上有M
图标了,接着我们再将taotao-common、taotao-mamager、taotao-manager-web等工程都转换为maven工程,转换完之后如下图所示。 不知你有没有发现,我们现在还没有导入taotao-mamager聚合工程的子工程,所以还须把它们也导入进来,方法是在taotao-manager工程上右键,然后在其子菜单中点击Import...
,如下图所示。 接着,我们会看到如下图所示的界面,找到Maven
这一项并展开,选择Existing Maven Projects
,紧接着点击Next
按钮。 最后,你会看到如下图所示的界面,直接Finish
按钮即可导入taotao-mamager聚合工程的子工程。 导入完毕之后,你就可以看到这四个子工程了,如下图所示。 至此,你该知道如何从SVN服务器下载代码了吧! 转载地址:https://liayun.blog.csdn.net/article/details/107133935 如侵犯您的版权,请留言回复原文章的地址,我们会给您删除此文章,给您带来不便请您谅解!
发表评论
最新留言
哈哈,博客排版真的漂亮呢~
[***.90.31.176]2024年04月05日 15时10分25秒
关于作者
喝酒易醉,品茶养心,人生如梦,品茶悟道,何以解忧?唯有杜康!
-- 愿君每日到此一游!
推荐文章
如何输入多组数据并输出每组数据的和?
2019-04-30
基于CentOS 7的Linux常用命令行命令
2019-04-30
行阶梯型矩阵
2019-04-30
临界资源与临界区
2019-04-30
matlab中uint8,double,im2double和im2uint8的区别
2019-04-30
数字图像处理总复习
2019-04-30
图像去噪(包含修正的阿尔法均值滤波及通用滤波方法代码)
2019-04-30
SVM进行人脸检测
2019-04-30
C++学习笔记
2019-04-30
图像处理学习笔记
2019-04-30
Machine Learning Onramp on MATLAB 学习笔记
2019-04-30
Machine Learning with MATLAB 1.1 to 2.2
2019-04-30
Learning DSP with MATLAB
2019-04-30
用MATLAB实现m序列的生成(MATLAB 2021a适用)
2019-04-30
MATLAB函数备忘(定期更新)
2019-04-30
13行MATLAB代码实现网络爬虫 爬取NASA画廊星图
2019-04-30
MATLAB指定路径保存图片方法
2019-04-30
Python一键获取微信推送封面图
2019-04-30
油猴脚本:微信推送浏览功能拓展
2019-04-30
JavaScript DOM对象操作详解
2019-04-30