博客
关于我
IDEA中Maven项目打包方式
阅读量:336 次
发布时间:2019-03-04

本文共 1210 字,大约阅读时间需要 4 分钟。

Maven项目打包方式说明

在Maven项目中,打包是非常常见的操作,常用于将项目转化为可运行的JAR包,以便在其他应用中使用。以下是两种常用的打包方式,帮助开发者更好地理解和选择适合的方法。

打包方式一:直接打包

这种方法比较简单直接,适用于只需要打包项目自身代码而不依赖外部依赖包的情况。具体步骤如下:

  • 选择打包目标

    打包时,Maven会将项目的主源文件以及相关的资源文件(如配置文件、属性文件等)打包成一个JAR包。

  • 忽略依赖包

    该方法不会将项目的依赖包(如jar、ライブラリ等)打包进去。因此,在使用这个JAR包的应用程序中,必须确保依赖包已经被正确添加或引入。

  • 执行打包命令

    使用命令 maven clean package 即可完成打包,打包完成后,结果会出现在 target 文件夹中。

  • 这种方式最适合独立开发或不依赖外部第三方库的项目,非常适合小型项目或不需要复杂依赖管理的场景。

    打包方式二:统一打包

    这种方法相比方式一更为全面,适用于需要将项目及其所有依赖包一起打包的场景。这种方法会生成两个JAR包:

  • 架包(Artifact JAR)

    仅包含项目自身的代码和资源,不包含依赖包。

  • 全包(Fat JAR)

    包含项目的所有依赖包和自身代码,通常是一个较大的JAR包。

  • 这种方法的优势在于,打包后的JAR包可以直接在其他应用中运行,无需额外引入依赖包。具体操作步骤如下:

  • 添加Maven插件

    在项目的 pom.xml 文件中添加 maven-plugin 插件,配置方式如下:

    org.apache.maven.plugins
    maven-assembly-plugin
    3.2.0
    attach-artifacts
    jar
  • 执行打包命令

    使用命令 maven clean package 运行,打包完成后,结果会出现在 target 文件夹中。

  • 打包完成后,你会看到两个JAR包:

    • 较小的那个是架包(仅包含项目代码)。
    • 较大的那个是全包(包含所有依赖包和项目代码)。

    这种方法在大多数项目中是更常用的,因为它能够确保依赖包和项目代码的自洽性,简化了在其他环境中的运行和使用。

    打包完成后

    无论采用哪种方式,打包完成后,生成的JAR包都会放在 target 文件夹中。方式一会生成一个JAR包,而方式二则会生成两个JAR包(一个是架包,一个是全包)。

    转载地址:http://sugh.baihongyu.com/

    你可能感兴趣的文章
    pandas -更改重新采样的时间序列的开始和结束日期
    查看>>
    pandas :to_excel() float_format
    查看>>
    pandas :加入有条件的数据框
    查看>>
    pandas :将多列汇总为一列,没有最后一列
    查看>>
    pandas :将时间戳转换为 datetime.date
    查看>>
    pandas :将行取消堆叠到新列中
    查看>>
    pandas DataFrame 中的自定义浮点格式
    查看>>
    Pandas DataFrame 的 describe()方法详解-ChatGPT4o作答
    查看>>
    Pandas DataFrame中删除列级的方法链接解决方案
    查看>>
    Pandas DataFrame中的列从浮点数输出到货币(负值)
    查看>>
    Pandas DataFrame中的列从浮点数输出到货币(负值)
    查看>>
    Pandas DataFrame多索引透视表-删除空头和轴行
    查看>>
    pandas DataFrame的一些操作
    查看>>
    Pandas Dataframe的日志文件
    查看>>
    Pandas df.iterrows() 并行化
    查看>>
    pandas GROUPBY+变换和多列
    查看>>
    pandas Groupby:创建两列的Groupby时,如何按正确的顺序对工作日进行排序?
    查看>>
    Pandas matplotlib 无法显示中文
    查看>>
    pandas PIVOT_TABLE保持索引
    查看>>
    Pandas Plots:周末的单独颜色,x 轴上漂亮的打印时间
    查看>>