百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 技术分类 > 正文

npm&nvm&nrm&yarn常用的命令和常见的手法

ztj100 2024-11-17 18:14 50 浏览 0 评论

npm

查看全局依赖列表

npm install -g --depth 0

查看npm配置列表

 npm config list

npm 升级

npm install npm@latest -g 或 npm i -g npm

@ 符号后面可以添加你想更新到的版本号

升级依赖

1. 按照自身规则升级

npm update webpack

执行后,会按照package.json里指定的版本升级规则升级(*,~,^,@)

2. 升级到特定版本

npm update webpack@2.3.3

此方式不会自动更新package.json文件的内容,需要手动更新


清除npm缓存

  • 查看: npm config get cache
  • 验证缓存数据的有效性和完整性: npm cache verify
  • 删除缓存目录下的所有数据: npm cache clean --force

淘宝镜像源与cnpm

单次使用

npm install --registry=https://registry.npm.taobao.org

永久使用

设置成全局的下载镜像站点,这样每次install的时候就不用加--registry,默认会从淘宝镜像下载。

方法一

1. 打开.npmrc文件(nodejs\node_modules\npm\npmrc,没有的话可以使用git命令行 建一个( touch .npmrc),用cmd命令建会报错)

2. 增加 registry =https://registry.npm.taobao.org 即可。

方法二

命令行设置:

npm config set registry https://registry.npm.taobao.org

检测是否成功

npm config get registry

还原npm仓库地址

npm config set registry https://registry.npmjs.org/

cnpm和淘宝镜像一步到位

npm install -g cnpm --registry=https://registry.npm.taobao.org

检测cnpm版本 cnpm -v ,如果安装成功可以看到cnpm的基本信息 以后安装插件只需要使用 cnpm intall 即可

npm与cnpm区别

cnpm安装模块的时候会在node_modules文件夹生成二个文件夹,一个以下划线 _开头以及版本号组成的名字,一个正常名字的模块,文件夹名字虽然不一样,但里面文件是一样的。比如:

执行 cnpm install lodash ,会在 node_modules 文件夹下生成两个文件夹: _lodash@4.17.11@lodash 和 lodash

先执行了 cnpm install lodash ,然后再执行 npm install lodash ,npm安装的lodash会替换掉 cnpm安装的lodash包(包括以下划线开头那个包),文件夹会只剩一个npm先安装的lodash包。再 次 npm uninstall lodash 或者 cnpm uninstall lodash ,都会删除lodash包,此时插件包就变成空 文件夹了。

先执行了 cnpm install lodash ,然后再执行 npm uninstall lodash 后,此时会报错

npm ERR! code EINVALIDPACKAGENAME
npm ERR! Invalid package name "_lodash@4.17.11@lodash": name cannot start with an underscore;

name can only contain URL-friendly characters

但是使用cnpm uninstall lodash后,不会报错,此时会删掉cnpm安装的两个包中其中一个即非下划线 (正常名字)的包。剩余的那个包是可以正常通过鼠标点击打开的。然后在文件中require会报错,提示 没有这个包。

先执行了cnpm install lodash,然后手动删除cnpm安装的两个包中其中一个即下划线(非正常名字) 的包,剩余的那个包,发现无法通过鼠标点击打开了。然后在文件中require会报错,提示没有这个包。

所以,cnpm安装的的2个模块,两者应该存在引用关系,正常名字模块是非正常名字模块的索引,两者 都必须存在才可以使用。但是npm安装下来就不存在这种情况了,因为只有一个正常名字模块。

发现,尽管使用npm改成淘宝仓库,发现安装速度还是远远比cnpm慢(当模块比较多的时候)。可能 应该和cnpm安装的文件结构有关系吧。

nrm 管理源

  • 全局安装nrm: npm install -g nrm
  • 查看可选的源: nrm ls
  • 切换源: nrm use 例如: nrm use taobao
  • 增加源: nrm add <registry> <url> ,其中reigstry为源名,url为源的路径 删除源: nrm del <registry>
  • 测试速度: nrm test ,通过 nrm test 测试相应源的响应时间

举个栗子

  • 增加: nrm add registry http://registry.npm.frp.trmap.cn/
  • 切换: nrm use taobao
  • 测试: nrm test npm


使用不同源安装依赖有两种方式

1. 使用nrm来回切换源进行安装
2. 不使用nrm切换,设置安装 npm i -g pkg --registry url

nvm

nvm和n都是node版本管理工具

为了解决node各种版本存在不兼容现象

nvm是让你在同一台机器上安装和切换不同版本的node的工具

命令

  • nvm ls-remote :列出所有可以安装的node版本号
  • nvm install v10.4.0 :安装指定版本号的node
  • nvm use v10.3.0 :切换node的版本,这个是全局的
  • nvm current :当前node版本
  • nvm ls :列出所有已经安装的node版本

yarn

安装yarn
npm install -g yarn
安装成功后,查看版本号:
yarn --version
创建文件夹 yarn
md yarn
进入yarn文件夹
cd yarn
初始化项目
yarn init // 同npm init,执行输入信息后,会生成package.json文件

yarn的配置项:
yarn config list // 显示所有配置项
yarn config get //显示某配置项
yarn config delete //删除某配置项
yarn config set [-g|--global] //设置配置项

安装包:
yarn install //安装package.json里所有包,并将包及它的所有依赖项保存yarn.lock yarn install --flat //安装一个包的单一版本
yarn install --force //强制重新下载所有包
yarn install --production //只安装dependencies里的包
yarn install --no-lockfile //不读取或生成yarn.lock
yarn install --pure-lockfile //不生成yarn.lock

添加包(会更新package.json和yarn.lock):
yarn add [package] // 在当前的项目中添加一个依赖包,会自动更新到package.json和 yarn.lock文件中
yarn add [package]@[version] // 安装指定版本,这里指的是主要版本,如果需要精确到小版本, 使用-E参数
yarn add [package]@[tag] // 安装某个tag(比如beta,next或者latest)
//不指定依赖类型默认安装到dependencies里,你也可以指定依赖类型: yarn add --dev/-D // 加到 devDependencies
yarn add --peer/-P // 加到 peerDependencies
yarn add --optional/-O // 加到 optionalDependencies
//默认安装包的主要版本里的最新版本,下面两个命令可以指定版本:
yarn add --exact/-E // 安装包的精确版本。例如yarn add foo@1.2.3会接受1.9.1版,但是 yarn add foo@1.2.3 --exact只会接受1.2.3版
yarn add --tilde/-T // 安装包的次要版本里的最新版。例如yarn add foo@1.2.3 --tilde会 接受1.2.9,但不接受1.3.0

发布包
yarn publish
移除一个包
yarn remove :移除一个包,会自动更新package.json和yarn.lock 更新一个依赖
yarn upgrade 用于更新包到基于规范范围的最新版本
运行脚本
yarn run 用来执行在 package.json 中 scripts 属性下定义的脚本 显示某个包的信息
yarn info 可以用来查看某个模块的最新版本信息

缓存
yarn cache
yarn cache list # 列出已缓存的每个包 yarn cache dir # 返回 全局缓存位置 yarn cache clean # 清除缓存

yarn升级

不能通过npm install yarn -g的方法获得最新的yarn

  • 方案一

通过msi安装升级yarn通过msi安装的yarn并不会覆盖通过npm安装的yarn,两者同时存在。卸载 的话,也是分开卸载的。

  • 方案二

npm加版本号安装我们已经知道了yarn的最新版的版本号,就可以直接指定版本号进行安装。 npm install yarn@1.3.2 -g

查看npm上的最新版本: npm view yarn version n

pm加latest安装: npm install yarn@latest -g

yarn的卸载

理论上来说,npm/cnpm/yarn安装的包都是不同的包,通过msi安装的包也是不同的包,需要使用对应的方式进行卸载。所以卸载的时候,可能会比较混乱。

在window环境下,也存在着个 where 命令(但是没有 which )。这个命令,可以清晰的指示你,当前 的yarn的路径,进而选择对应的删除方式。

举个栗子

yarn安装taro依赖包后,运行taro却不是内部命令。

解决:

1. 首先终端运行命令 yarn global bin ,查找yarn安装目录

2. 把安装目录添加到系统环境变量中,重新打开终端即可

相关推荐

再说圆的面积-蒙特卡洛(蒙特卡洛方法求圆周率的matlab程序)

在微积分-圆的面积和周长(1)介绍微积分方法求解圆的面积,本文使用蒙特卡洛方法求解圆面积。...

python编程:如何使用python代码绘制出哪些常见的机器学习图像?

专栏推荐...

python创建分类器小结(pytorch分类数据集创建)

简介:分类是指利用数据的特性将其分成若干类型的过程。监督学习分类器就是用带标记的训练数据建立一个模型,然后对未知数据进行分类。...

matplotlib——绘制散点图(matplotlib散点图颜色和图例)

绘制散点图不同条件(维度)之间的内在关联关系观察数据的离散聚合程度...

python实现实时绘制数据(python如何绘制)

方法一importmatplotlib.pyplotaspltimportnumpyasnpimporttimefrommathimport*plt.ion()#...

简单学Python——matplotlib库3——绘制散点图

前面我们学习了用matplotlib绘制折线图,今天我们学习绘制散点图。其实简单的散点图与折线图的语法基本相同,只是作图函数由plot()变成了scatter()。下面就绘制一个散点图:import...

数据分析-相关性分析可视化(相关性分析数据处理)

前面介绍了相关性分析的原理、流程和常用的皮尔逊相关系数和斯皮尔曼相关系数,具体可以参考...

免费Python机器学习课程一:线性回归算法

学习线性回归的概念并从头开始在python中开发完整的线性回归算法最基本的机器学习算法必须是具有单个变量的线性回归算法。如今,可用的高级机器学习算法,库和技术如此之多,以至于线性回归似乎并不重要。但是...

用Python进行机器学习(2)之逻辑回归

前面介绍了线性回归,本次介绍的是逻辑回归。逻辑回归虽然名字里面带有“回归”两个字,但是它是一种分类算法,通常用于解决二分类问题,比如某个邮件是否是广告邮件,比如某个评价是否为正向的评价。逻辑回归也可以...

【Python机器学习系列】拟合和回归傻傻分不清?一文带你彻底搞懂

一、拟合和回归的区别拟合...

推荐2个十分好用的pandas数据探索分析神器

作者:俊欣来源:关于数据分析与可视化...

向量数据库:解锁大模型记忆的关键!选型指南+实战案例全解析

本文较长,建议点赞收藏,以免遗失。更多AI大模型应用开发学习视频及资料,尽在...

用Python进行机器学习(11)-主成分分析PCA

我们在机器学习中有时候需要处理很多个参数,但是这些参数有时候彼此之间是有着各种关系的,这个时候我们就会想:是否可以找到一种方式来降低参数的个数呢?这就是今天我们要介绍的主成分分析,英文是Princip...

神经网络基础深度解析:从感知机到反向传播

本文较长,建议点赞收藏,以免遗失。更多AI大模型应用开发学习视频及资料,尽在...

Python实现基于机器学习的RFM模型

CDA数据分析师出品作者:CDALevelⅠ持证人岗位:数据分析师行业:大数据...

取消回复欢迎 发表评论: