设置Tomcat环境变量的方法
大家好,又见面了,我是你们的朋友全栈君。
目录
一、下载安装JDK
二、下载Tomcat压缩包
三、Tomcat启动
四、环境变量配置
五、Tomcat9以上解决控制台中文输出乱码
一、下载安装JDK
要想安装Tomcat服务器,首先要安装配置好JDK,可以参考
Java开发环境安裝教程_赋能大师兄-****博客
Windows + R然后输入cmd进入命令行窗口,检查Java是否安装正确,检查的命令为java -version
如果输出类似下面的内容说明安装成功
java version "1.8.0_191"
Java(TM) SE Runtime Environment (build 1.8.0_191-b12)
Java HotSpot(TM) 64-Bit Server VM (build 25.191-b12, mixed mode)
二、下载Tomcat压缩包
确定好后进入官网下载Tomcat,官网地址-点击进入 Apache Tomcat® – Welcome!
选择左侧的Tomcat版本,本篇文章举例Tomcat9,其它的版本安装都一样
点击Tomcat9,对应着操作系统位数进行下载,下载后会是一个zip压缩包
点击左侧Download下的对应版本,这里我下载的是64-bit Windows zip,即Windows 64位的zip包
Tomcat主要有三个安装版本
tar.gz:Linux环境下的压缩包,免安装
Windows.zip:Windows压缩包,免安装,解压即用,推荐安装,同时注意根据自己电脑是64位系统还是32位系统下载对应的压缩包
Windows Service Installer:Windows安装包,32位和64位版本的Windows系统都适用
三、Tomcat启动
将下载好的zip包放到指定的位置,注意:路径不能有中文和特殊字符
启动Tomcat,在Tomcat的bin目录里双击运行startup.bat文件,如果出现如下的界面,说明你的Tomcat服务器已经成功跑起来了,为自己点赞。
然后在浏览器地址栏输入127.0.0.1:8080
或者localhost:8080
即可进入Tomcat主界面
四、环境变量配置
Tomcat的环境变量配置跟JDK的环境变量配置几乎一样,只是修改变量名称和对应的路径,具体操作如下。
注意:如果不是经常需要全局使用Tomcat,个人不建议设置环境变量,因为可能与其他命令冲突,而且不像JDK使用得那么多,其实直接进入Tomcat目录启动也是很方便的。
在此电脑
右键属性,
单击”高级系统设置”,然后单击”环境变量”。
新建->变量名”CATALINA_HOME”,变量值”C:\develop\Tomcat\apache-tomcat-8.5.47″(即Tomcat的安装路径)
在系统变量找到变量名”Path”,点击编辑,然后点击”新建”,然后输入上”%CATALINA_HOME%\bin”,点击”确定”,再点击”确定”。
测试环境变量是否配置成功,Windows + R然后输入cmd进入命令行窗口,检查的命令为startup.bat
如果输出如下则说明配置成功
五、Tomcat9以上解决控制台中文输出乱码
根据安装路径找到tomcat所在的位置,在tomcat9中修改bin文件中的catalina.bat无法解决乱码问题,所以我们选择修改conf文件下的logging.properties文件,找到
java.util.logging.ConsoleHandler.encoding = UTF-8
删除或者在前面用#注释掉
推荐阅读
-
手动设置BBR的Linux配置方法
-
14-傅里叶变换的代码实现-一、numpy实现傅里叶变换和逆傅里叶变换 1.numpy实现傅里叶变换numpy.fft.fft2实现傅里叶变换,返回一个复数数组(complex ndarray),也就是频谱图像numpy.fft.fftshift将零频率分量移到频谱中心(将左上角的低频区域,移到中心位置) 20*np.log(np.abs(fshift))设置频谱的范围。可以理解为,之前通过傅里叶变换得到复数的数组,是不能通过图像的方法展示出来的,需要转换为灰度图像(映射到[0,255]区间)需要注意的是1> 傅里叶得到低频、高频信息,针对低频、高频处理能够实现不同的目的2> 傅里叶过程是可逆的,图像经过傅里叶变换、逆傅里叶变换后,能够恢复到原始图像3> 在频域对图像进行处理,在频域的处理会反映在逆变换图像上 # 将绘制的图显示在窗口 %matplotlib qt5 import cv2 import numpy as np import matplotlib.pyplot as plt img = cv2.imread(r"image\lena.bmp",cv2.IMREAD_GRAYSCALE) # 傅里叶变换 f = np.fft.fft2(img) # 移动中心位置 fshift = np.fft.fftshift(f) # 调整值范围 result = 20*np.log(np.abs(fshift)) plt.subplot(1,2,1) plt.imshow(img,cmap=plt.cm.gray) plt.title("original") plt.axis("off") plt.subplot(1,2,2) plt.imshow(result,cmap=plt.cm.gray) plt.title("result") plt.axis("off") plt.show 傅里叶变换的频谱图像: 2.numpy实现逆傅里叶变换numpy.fft.ifft2实现逆傅里叶变换,返回一个复数数组(complex ndarray)numpy.fft.ifftshiftfftshift函数的逆函数,将中心位置的低频,重新移到左上角iimg = np.abs(逆傅里叶变化结果)设置值的范围,映射到[0,255]区间 # 将绘制的图显示在窗口 %matplotlib qt5 import cv2 import numpy as np import matplotlib.pyplot as plt img = cv2.imread(r"image\boat.bmp",cv2.IMREAD_GRAYSCALE) # 傅里叶变换 f = np.fft.fft2(img) fshift = np.fft.fftshift(f) # 逆傅里叶变换 ishift = np.fft.ifftshift(fshift) iimg = np.fft.ifft2(ishift) iimg = np.abs(iimg) plt.subplot(1,2,1) plt.imshow(img,cmap=plt.cm.gray) plt.title("original") plt.axis("off") plt.subplot(1,2,2) plt.imshow(iimg,cmap=plt.cm.gray) plt.title("iimg") plt.axis("off") plt.show 将一副图像,进行傅里叶变换和逆傅里叶变换后,进行对比(一样的) 实例:通过numpy实现高通滤波,保留图像的边缘信息 获取图像的形状rows,cols = img.shape获取图像的中心点crow,ccol = int(rows/2),int(cols/2)将频谱图像的中心区域(低频区域)设置为0(黑色)fshift[crow-30:crow+30,ccol-30:ccol+30] = 0 # 将绘制的图显示在窗口 %matplotlib qt5 import cv2 import numpy as np import matplotlib.pyplot as plt img = cv2.imread(r"image\boat.bmp",cv2.IMREAD_GRAYSCALE) # 傅里叶变换 f = np.fft.fft2(img) fshift = np.fft.fftshift(f) # 高通滤波 rows,cols = img.shape crow,ccol = int(rows/2),int(cols/2) fshift[crow-30:crow+30,ccol-30:ccol+30] = 0 # 逆傅里叶变换 ishift = np.fft.ifftshift(fshift) iimg = np.fft.ifft2(ishift) iimg = np.abs(iimg) plt.subplot(1,2,1) plt.imshow(img,cmap=plt.cm.gray) plt.title("original") plt.axis("off") plt.subplot(1,2,2) plt.imshow(iimg,cmap=plt.cm.gray) plt.title("iimg") plt.axis("off") plt.show 使用numpy实现高通滤波的实验结果: 二、opencv实现傅里叶变换和逆傅里叶变换 1.opencv实现傅里叶变换 返回结果 = cv2.dft(原始图像,转换标识)1> 返回结果:是双通道的,第一个通道是结果的实数部分,第二个通道是结果的虚数部分2> 原始图像:输入图像要首先转换成np.float32(img)格式3> 转换标识:flags = cv2.DFT_COMPLEX_OUTPUT,输出一个复数阵列numpy.fft.fftshift将零频率分量移到频谱中心(将左上角的低频区域,移到中心位置)调整频谱的范围,将上面频谱图像的复数数组,转换为可以显示的灰度图像(映射到[0,255]区间)返回值 = 20*np.log(cv2.magnitude(参数1,参数2))1> 参数1:浮点型X坐标值,也就是实部2> 参数2:浮点型Y坐标值,也就是虚部 # 将绘制的图显示在窗口 %matplotlib qt5 import cv2 import numpy as np import matplotlib.pyplot as plt img = cv2.imread(r"image\lena.bmp",cv2.IMREAD_GRAYSCALE) # 傅里叶变换 dft = cv2.dft(np.float32(img),flags = cv2.DFT_COMPLEX_OUTPUT) # 移动中心位置 dftShift = np.fft.fftshift(dft) # 调整频谱的范围 result = 20*np.log(cv2.magnitude(dftShift[:,:,0],dftShift[:,:,1])) plt.subplot(1,2,1) plt.imshow(img,cmap=plt.cm.gray) plt.title("original") plt.axis("off") plt.subplot(1,2,2) plt.imshow(result,cmap=plt.cm.gray) plt.title("result") plt.axis("off") plt.show 傅里叶变换的频谱图像: 2.opencv实现逆傅里叶变换返回结果 = cv2.idft(原始数据)1> 返回结果:取决于原始数据的类型和大小2> 原始数据:实数或者复数均可numpy.fft.ifftshiftfftshift函数的逆函数,将中心位置的低频,重新移到左上角调整频谱的范围,映射到[0,255]区间返回值 = cv2.magnitude(参数1,参数2)1> 参数1:浮点型X坐标值,也就是实部2> 参数2:浮点型Y坐标值,也就是虚部 # 将绘制的图显示在窗口 %matplotlib qt5 import cv2 import numpy as np import matplotlib.pyplot as plt img = cv2.imread(r"image\lena.bmp",cv2.IMREAD_GRAYSCALE) # 傅里叶变换 dft = cv2.dft(np.float32(img),flags = cv2.DFT_COMPLEX_OUTPUT) dftShift = np.fft.fftshift(dft) # 逆傅里叶变换 ishift = np.fft.ifftshift(dftShift) iimg = cv2.idft(ishift) iimg = cv2.magnitude(iimg[:,:,0],iimg[:,:,1]) plt.subplot(1,2,1) plt.imshow(img,cmap=plt.cm.gray) plt.title("original") plt.axis("off") plt.subplot(1,2,2) plt.imshow(iimg,cmap=plt.cm.gray) plt.title("inverse") plt.axis("off") plt.show 将一副图像,进行傅里叶变换和逆傅里叶变换后,进行对比(一样的) 实例:通过opencv实现低通滤波,模糊一副图像
-
IE/Firefox/chrome每次刷新时自动检查网页更新,无需手动清空缓存的设置方法
-
如何在观看视频期间保持电脑屏幕保持亮屏状态- 完全指南,详解WIN10设置持续屏幕亮度的方法
-
BIOS中PCIe设备的枚举过程及设置方法
-
详述LVS DR模式的负载均衡设置方法(第一部分:配置详解)
-
设置Linq到MySql环境的方法
-
如何使用JavaScript的setAttribute方法批量设置CSS样式?
-
在博客园上实现心形点赞功能的设置方法
-
搞定!三种简单方法让你在HTML中完美设置表格table的边框border