在SecureCRT下使用sz下载和rz上传文件
发布日期:2021-06-30 19:10:12
浏览次数:2
分类:技术文章
本文共 1287 字,大约阅读时间需要 4 分钟。
之前通过FTP来下载Linux机器上的文件,在Windows编辑完后再上传,如此比较麻烦,刚听同事说用sz和rz命令可以实现在SecureCRT中上传下载。
配置上传下载目录:选择某个session 标签,点鼠标右键,弹出菜单,选择session option,如下图,设置上传和下载目录下载文件:
进入linux的指目录中,输入命令sz filename,这样就把指定的文件下载到之前指定目录
#sz filename
上传文件:
则进入相应的目录,输入rz,会弹出对话框来选择上传文件,点确定即可。
#rz
注意f覆盖文件要rz -y一下,只有rz不能覆盖 已有文件
#rz -y
______________________________________________________________________________________
rz不能使用的解决
用习惯了SecureCRT,觉得rz的命令太方便了,但最近遇到一新装的linux服务器,急忙用SecureCRT连上去,发现不能识别rz命令,以前用过几百次,不会错啊,于是在网上查N久,才知道原来要使用SecureCRT的rz命令,要在linux上安装一个工具,具体过程如下:
Linux系统手动安装rz/sz 软件包 定制安装的linux可能没有把rzsz包安装到系统,这对用securecrt这样的windows工具传输文件特别不方便。为了使用这个方便的法门,可以手动安装之。 1、下载软件 rzsz-3.34.tar.gz,登录linux,用命令 wget http://freeware.sgi.com/source/rzsz/rzsz-3.48.tar.gz下载。 2、解压 tar zxvf rzsz-3.34.tar.gz 3、安装cd rzsz-3.34 ; make posix 。注意:这个软件安装与常规的GNU软件不同—没有configure(配置)及make install (安装过程)。先执行命令make,将给出下面的提示: [root@appuser rzsz]# make 根据自己的系统选择make的位置参数,一般情况下,选posix或linux就可以了。执行命令make posix,我们从输出部分可以很清楚的看见这个步骤所进行的工作: [root@appuser rzsz]# make posix 4、为了方便使用这个工具,把相关文件复制到目录/usr/bin下面。这里只需要拷贝2个文件rz及sz,命令为:cp rz sz /usr/bin. ok,大功告成,现在就可以使用SecureCRT的rz命令了。#############其它办法:
或者用rpm安装:rpm ivh lrzsz-x.rpm(去光盘里找)
或者直接用yum安装。yum install lrzsz注意 rhel安装完系统后 即可使用 rz sz
===========================================================
转载地址:https://linuxstyle.blog.csdn.net/article/details/1539705 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
很好
[***.229.124.182]2024年04月11日 21时43分51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
flink 1-个人理解
2019-04-30
redis cli
2019-04-30
redis api
2019-04-30
flink physical partition
2019-04-30
java 解析json
2019-04-30
java http请求
2019-04-30
tensorflow 数据格式
2019-04-30
tf rnn layer
2019-04-30
常用中间件
2019-04-30
tf input layer
2019-04-30
tf model create
2019-04-30
tf dense layer两种创建方式的对比和numpy实现
2019-04-30
tf initializer
2019-04-30
tf 从RNN到BERT
2019-04-30
tf keras SimpleRNN源码解析
2019-04-30
tf keras Dense源码解析
2019-04-30
tf rnn输入输出的维度和权重的维度
2019-04-30
检验是否服从同一分布
2019-04-30
tf callbacks
2019-04-30
keras、tf、numpy实现logloss对比
2019-04-30