推荐一个实用的 .gitignore 文件

简介: 为什么要忽略文件?常用的版本控制工具,不管是使用 git 还是 svn,我们都需要排除一些与程序代码无关的文件,如像 eclipse/ intellij idea 等 IDE 工具留下来的 .settings、.classpath、.project、.iml、.idea 等各种配置文件,还有 maven/ gradle 在项目构建后的 target、classes 目录下的编译文件等。

为什么要忽略文件?

常用的版本控制工具,不管是使用 git 还是 svn,我们都需要排除一些与程序代码无关的文件,如像 eclipse/ intellij idea 等 IDE 工具留下来的 .settings、.classpath、.project、.iml、.idea 等各种配置文件,还有 maven/ gradle 在项目构建后的 target、classes 目录下的编译文件等。


我们不能把这些本地化的无用的配置文件提交到远程仓库上面去,这样会造成别人每次都有更新的要求,也会污染别人的开发环境。


本文针对使用 git 的用户进行讲解忽略文件的要点。


忽略配置文件介绍

.gitignore 是 Git 的忽略配置文件,放在项目根目录下就行,这样在提交代码时就不会跟踪在.gitignore 配置文件列举的文件。另外,.gitignore 文件本身需要被 git 跟踪管理,不能被忽略。


所以,如果你有时候发现不能跟踪文件了,可以使用以下命令检查是否被忽略了。

$ git check-ignore .git
.git

特殊情况,如果你想强制提交一个在忽略列表里面的文件,也可以使用以下命令。

git add -f javastack.cn
相关文章
|
4月前
|
人工智能 弹性计算 API
阿里云杀疯了!7.9 元解锁 8 款顶尖 AI 编程模型,OpenClaw 终于实现算力自由
OpenClaw/Claude Code 用户Token焦虑终结者!阿里云百炼上线Coding Plan订阅服务,首发7.9元/月起,集成Qwen3.5、GLM-5、Kimi2.5等8款顶级编程模型,按次计费(非Token),Lite/Pro双套餐灵活选择,5分钟极速对接,彻底告别高额账单。
|
存储 PyTorch 算法框架/工具
Tensor to img && imge to tensor (pytorch的tensor转换)
Tensor to img && imge to tensor (pytorch的tensor转换)
|
Web App开发 缓存 Java
idea和谷歌浏览器占用内存过高的处理方法
idea和谷歌浏览器占用内存过高的处理方法
7854 0
idea和谷歌浏览器占用内存过高的处理方法
|
Oracle Java 关系型数据库
三分钟拿下dbeaver企业版
数据库管理工具Dbeaver,开源的企业版,功能丰富
4207 0
三分钟拿下dbeaver企业版
|
4月前
|
SQL Java 索引
IDEA 2026.1 重磅更新:Java 开发效率翻倍的核心新特性全拆解
IDEA 2026.1重磅发布:启动/索引/内存全面优化,冷启提速40%、热启秒开;原生支持JDK 17–23,深度集成虚拟线程调试与重构;AI辅助编码、MyBatis XML一键转MP、分布式链路调试、K8s原生集成,Java开发效率跃升新高度。
1368 1
|
4月前
|
人工智能 开发工具 开发者
Codex 的两种使用方式:为什么很多人一开始就用错了?
Codex 有两种模式:命令模式(一次性调用,适合脚本/快速任务)和交互模式(类AI员工,支持上下文、连续迭代与工程化操作)。新手常混淆用法,实则前者是“调用AI”,后者才是“雇佣AI”。推荐日常开发优先使用交互模式。
3665 7
|
7月前
|
人工智能 安全 Java
SpecKit 在成熟 Java 项目中的 AI 编码实践
本文探索AI Code与SpecKit在Java应用中的实践,结合规格驱动开发(SDD)与测试驱动开发(TDD),通过定义原则、需求规格化、技术方案设计等步骤,实现风格统一、可追溯的AI辅助编码。分享选型考量、执行流程及问题优化,总结经验并沉淀为应用级知识资产,提升研发效率与代码规范性。(239字)
2734 13
SpecKit 在成熟 Java 项目中的 AI 编码实践
|
12月前
|
NoSQL Java Redis
基于Redisson和自定义注解的分布式锁实现策略。
在实现分布式锁时,保证各个组件配置恰当、异常处理充足、资源清理彻底是至关重要的。这样保障了在分布布局场景下,锁的正确性和高效性,使得系统的稳健性得到增强。通过这种方式,可以有效预防并发环境下的资源冲突问题。
492 29
|
机器学习/深度学习 人工智能
Diffusion-DPO:一种基于直接偏好优化的扩散模型对齐新方法
本文介绍了一种名为 Diffusion-DPO 的创新方法,该方法基于直接偏好优化(DPO)原理,简化了扩散模型与人类偏好的对齐过程。相比传统的基于人类反馈的强化学习(RLHF)方法,Diffusion-DPO 避免了显式奖励模型的训练,通过数学近似简化实现流程,并在处理开放词汇表场景时展现出更强的能力。实验结果表明,该方法在 Stable Diffusion 1.5 和 SDXL-1.0 等主流模型上显著提升了生成图像的质量和可控性,为未来扩散模型的发展提供了新的思路。
1476 14
Diffusion-DPO:一种基于直接偏好优化的扩散模型对齐新方法
|
JSON Java 数据库连接
IDEA的插件大总汇 (让你的工作效率大大提高!)
我是小假 期待与你的下一次相遇 ~
3730 5