Java:打包成jar包

简介: Java:打包成jar包

准备Java文件 Hello.java

public class Hello{
   public static void main(String[] args) {
       System.out.println("Hello");
   }
}

打包过程

$ javac Hello.java                # 编译成.class 文件


$ jar -cvf hello.jar Hello.class # 打包
已添加清单
正在添加: Hello.class(输入 = 401) (输出 = 275)(压缩了 31%)

$ jar -xvf hello.jar # 解压
已创建: META-INF/
已解压: META-INF/MANIFEST.MF
已解压: Hello.class

记事本打开文件 META-INF/MANIFEST.MF, 添加Main-Class: Hello

Manifest-Version: 1.0
Created-By: 1.8.0_172 (Oracle Corporation)
Main-Class: Hello

再次打包

$ jar -cvfm hello.jar META-INF/MANIFEST.MF Hello.class
已添加清单
正在添加: Hello.class(输入 = 401) (输出 = 275)(压缩了 31%)

# jar -cvfm hello.jar META-INF/MANIFEST.MF -C demo/ .
# 打包demo文件夹下所有文件,注意后面的'.'

$ java -jar hello.jar # 执行jar包
Hello

打包参数

-c  创建一个jar包
-t 显示jar中的内容列表
-x 解压jar包
-u 添加文件到jar包中
-f 指定jar包的文件名
-v 输出详细报告
-m 指定MANIFEST.MF文件
-0 生成jar包时不压缩内容
-M 不生成清单文件MANIFEST.MF
-i 为指定的jar文件创建索引文件
-C 可在相应的目录下执行命令

参考

java打jar包的几种方式详解

Java Jar包压缩、解压使用指南

            </div>
目录
相关文章
《云网络:数字经济的连接(全彩)》电子版地址
云网络:数字经济的连接(全彩)-试读
883 0
《云网络:数字经济的连接(全彩)》电子版地址
|
异构计算 内存技术
FPGA - 7系列 FPGA内部结构之SelectIO -08- 高级逻辑资源之OSERDESE2(二)
FPGA - 7系列 FPGA内部结构之SelectIO -08- 高级逻辑资源之OSERDESE2
818 0
FPGA - 7系列 FPGA内部结构之SelectIO -08- 高级逻辑资源之OSERDESE2(二)
|
存储 安全 Java
SpringBoot整合SpringSecurity完整教程
SpringBoot整合SpringSecurity完整教程
SpringBoot整合SpringSecurity完整教程
|
JSON 文字识别 API
Android 百度文字识别(详细步骤+源码)
Android 百度文字识别(详细步骤+源码)
762 0
Android 百度文字识别(详细步骤+源码)
|
存储 缓存 算法
【eNSP 华为模拟器】了解一下交换机原理和基础命令
【eNSP 华为模拟器】了解一下交换机原理和基础命令
899 0
【eNSP 华为模拟器】了解一下交换机原理和基础命令
|
负载均衡 算法 Cloud Native
【微服务六】Ribbon负载均衡策略之轮询(RoundRobinRule)、重试(RetryRule)
【微服务六】Ribbon负载均衡策略之轮询(RoundRobinRule)、重试(RetryRule)
681 0
【微服务六】Ribbon负载均衡策略之轮询(RoundRobinRule)、重试(RetryRule)
|
SQL 存储 安全
Spring Boot + Querydsl 框架,大大简化复杂查询操作!!
Spring Boot + Querydsl 框架,大大简化复杂查询操作!!
683 0
Spring Boot + Querydsl 框架,大大简化复杂查询操作!!
|
存储 算法
一文搞懂全排列、组合、子集问题
Hello,大家好,我是bigsai,long time no see!在刷题和面试过程中,我们经常遇到一些排列组合类的问题,而全排列、组合、子集等问题更是非常经典问题。本篇文章就带你彻底搞懂全排列!
618 0
一文搞懂全排列、组合、子集问题
|
机器学习/深度学习
cs224w(图机器学习)2021冬季课程学习笔记7 Graph Neural Networks 1: GNN Model
本章主要内容: 介绍深度学习基础。 介绍GNN思想:聚合邻居信息。 每一层都产生一种节点嵌入。将上一层的邻居信息聚合起来,连接本节点上一层信息,产生新的节点嵌入。 第一层节点嵌入就是节点特征。 GCN:用平均值作为聚合函数。 GraphSAGE:用各种聚合函数。
cs224w(图机器学习)2021冬季课程学习笔记7 Graph Neural Networks 1: GNN Model