博客
关于我
vscode配置C++开发环境
阅读量:167 次
发布时间:2019-02-28

本文共 1380 字,大约阅读时间需要 4 分钟。

昨天一直研究到深夜,查阅了很多博客资料,还是没配置好VSCode的C++编译环境,今天早上又弄了一下,现在终于OK了。

虽然很多东西的原理不太明白,但现在至少知道了基本方法,以后多练习应该会慢慢熟悉起来。

第一步,先去VSCode官网下载安装,安装到自己想要的位置就可以了。

第二步,去MinGW官网下载安装,同样可以安装到自己想要的位置。

下载时注意不要点击"Download Latest Version",而是往下滑找到最新版的"x86_64-posix-seh"进行下载。

第三步,配置MinGW环境变量。

第一步,复制MinGW路径(具体路径请参考第六点)。第二步,打开控制面板,搜索高级系统设置,进入系统环境变量。第三步,点击环境变量。第四步,双击Path选项。第五步,点击新建。第六步,将MinGW的安装路径粘贴进去。第七步,退出所有窗口。

到现在MinGW环境已经配置完毕,可以验证一下是否成功:按下Win+R,打开运行窗口,输入cmd。输入g++,如果有两种反馈:第一种:环境配置成功。第二种:环境配置失败,提示"'g++'不是内部或外部命令"。

第四步,打开VSCode,点击扩展,先下载一个中文包。接着在扩展里搜索C/C++插件,下载相应的插件。

第六步,在自己想要的位置新建一个code_test文件夹,打开VSCode,选择这个文件夹。在code_test中新建一个test.cpp文件。在test.cpp中输入一份简易测试代码:

#include <stdio.h>#include <windows.h>int main() {printf("Hello VScode!\nHello C++\n");system("pause");return 0;}</windows.h></stdio.h>

按下Ctrl+F5,选择C++(GDB/LLDB),再选择g++.exe。

完成上述操作后,会生成launch.json文件,粘贴以下代码:

{"version": "0.2.0","configurations": [{"name": "g++.exe - 生成和调试活动文件","type": "cppdbg","request": "launch","program": "${fileDirname}\${fileBasenameNoExtension}.exe","args": [],"stopAtEntry": false,"cwd": "${workspaceFolder}","environment": [],"externalConsole": true,"MIMode": "gdb","miDebuggerPath": "D:\2Software\mingw64\bin\gdb.exe","setupCommands": [{"description": "为gdb启用整齐打印","text": "-enable-pretty-printing","ignoreFailures": true}],"preLaunchTask": "g++.exe build active file"}]}

回到test.cpp文件,按下Ctrl+F5,选择配置任务,完成后按下Ctrl+F5就可以正常编译运行了。

转载地址:http://ueod.baihongyu.com/

你可能感兴趣的文章
nump模块
查看>>
Nutch + solr 这个配合不错哦
查看>>
NuttX 构建系统
查看>>
NutUI:京东风格的轻量级 Vue 组件库
查看>>
NutzCodeInsight 2.0.7 发布,为 nutz-sqltpl 提供友好的 ide 支持
查看>>
NutzWk 5.1.5 发布,Java 微服务分布式开发框架
查看>>
NUUO网络视频录像机 css_parser.php 任意文件读取漏洞复现
查看>>
NUUO网络视频录像机 upload.php 任意文件上传漏洞复现
查看>>
Nuxt Time 使用指南
查看>>
NuxtJS 接口转发详解:Nitro 的用法与注意事项
查看>>
NVDIMM原理与应用之四:基于pstore 和 ramoops保存Kernel panic日志
查看>>
NVelocity标签使用详解
查看>>
NVelocity标签设置缓存的解决方案
查看>>
Nvidia Cudatoolkit 与 Conda Cudatoolkit
查看>>
NVIDIA GPU 的状态信息输出,由 `nvidia-smi` 命令生成
查看>>
nvidia 各种卡
查看>>
Nvidia 系列显卡大解析 B100、A40、A100、A800、H100、H800、V100 该如何选择,各自的配置详细与架构详细介绍,分别运用于哪些项目场景
查看>>
NVIDIA-cuda-cudnn下载地址
查看>>
nvidia-htop 使用教程
查看>>
nvidia-smi 参数详解
查看>>