在本章节中我们将为大家介绍如何搭建Java开发环境。

window系统安装java

下载JDK

首先我们需要下载java开发工具包JDK,下载地址:http://www.oracle.com/technetwork/java/javase/downloads/index.html,点击如下下载按钮:

在下载页面中你需要选择接受许可,并根据自己的系统选择对应的版本,本文以 Window 64位系统为例

下载后JDK的安装根据提示进行,还有安装JDK的时候也会安装JRE,一并安装就可以了。

安装JDK,安装过程中可以自定义安装目录等信息,例如我们选择安装目录为 C:\Program Files (x86)\Java\jdk1.8.0_91

配置环境变量

1.安装完成后,右击"我的电脑",点击"属性",选择"高级系统设置";

2.选择"高级"选项卡,点击"环境变量";

然后就会出现如下图所示的画面

在"系统变量"中设置3项属性,JAVA_HOME,PATH,CLASSPATH(大小写无所谓),若已存在则点击"编辑",不存在则点击"新建"。

变量设置参数如下:

  • 变量名:JAVA_HOME
  • 变量值:C:\Program Files (x86)\Java\jdk1.8.0_91        // 要根据自己的实际路径配置
  • 变量名:CLASSPATH
  • 变量值:.;%JAVA_HOME%\lib\dt.jar;%JAVA_HOME%\lib\tools.jar;         //记得前面有个"."
  • 变量名:Path

  • 变量值:%JAVA_HOME%\bin;%JAVA_HOME%\jre\bin;

JAVA_HOME 设置

PATH设置

注意:在 Windows10 中,Path 变量里是分条显示的,我们需要将 %JAVA_HOME%\bin;%JAVA_HOME%\jre\bin; 分开添加,否则无法识别:

%JAVA_HOME%\bin;
%JAVA_HOME%\jre\bin;

更多内容可参考:Windows 10 配置Java 环境变量

CLASSPATH 设置

这是 Java 的环境配置,配置完成后,你可以启动 Eclipse 来编写代码,它会自动完成java环境的配置。

注意:如果使用1.5以上版本的JDK,不用设置CLASSPATH环境变量,也可以正常编译和运行Java程序。

测试JDK是否安装成功

1、"开始"->"运行",键入"cmd";

2、键入命令: java -versionjavajavac 几个命令,出现以下信息,说明环境变量配置成功;

												

最新文章

  1. git 学习
  2. <nginx.conf> nginx用户权限
  3. 普元部署多个应用的方法(适用EOS6.5以上版本,且无需governor中添加应用)
  4. JavaScript Patterns 3.7 Primitive Wrappers
  5. XML 解析 -- IE ,Chrome
  6. Apache Common-pool2对象池分析和应用
  7. ImageView及其子类
  8. 庖丁解牛-----Live555源码彻底解密(RTP打包)
  9. 图片与文字在div里实现垂直水平都居中
  10. mysql高可用架构方案之二(keepalived+lvs+读写分离+负载均衡)
  11. JavaScript一个whenReady函数,监听及注册事件
  12. Struts2内部执行过程
  13. Hibernate之持久化状态
  14. 【一天一道LeetCode】#344. Reverse String
  15. 【Spring源码解读】bean标签中的属性
  16. tomcat 8 在线管理admin配置
  17. 配置IIS的负载均衡
  18. vue安装调试器Vue.js devtools
  19. ListView的简单使用--Android
  20. 初识IP基础分类、CIDR

热门文章

  1. 读书笔记 - js高级程序设计 - 第七章 函数表达式
  2. GPLT L3-021 神坛
  3. VC++ DLL 2 静态链接库
  4. js冒泡,阻止冒泡
  5. vue安装插件指定版本
  6. 实现3d效果
  7. Dynamics CRM - 如何创建一个新的 Organization
  8. 编写shell脚本,使用 nohup 让springboot 项目在后台持续运行
  9. main函数的参数(int argc,char *argv[])
  10. 编程作业1.1——sklearn机器学习算法系列之LinearRegression线性回归