博客
关于我
Doc命令之 cd,(跳转到别的盘符)。
阅读量:750 次
发布时间:2019-03-23

本文共 517 字,大约阅读时间需要 1 分钟。

记我初次接触Java的经历

那时候还没有人使用任何IDE工具,我完全是靠javac和java命令来查看自己写代码的效果。记得大概是07年,时间确实挺长的。

关于操作系统的操作,那时候确实比较基础。为了方便切换到D盘,我只需要输入【D:】就可以了,不需要再去迷路了。

回顾这段经历,有些内容依然印象深刻。

我曾经一个接一个的学习不同的编程语言,刚学的时候总是用命令行编写代码,那种对结果的不确定性真的让人可谓心惊胆战。记得有一次,我总是不知道src目录是否在编译路径里,看了很多次 déjà vu。

想要快速切换到D盘,这一点确实挺实用的。你根本不用动 CD命令,就可以进入指定的文件夹了。

时间飞逝,回想起来,这段经历变得那么熟悉了。

如果有人对使用命令行编译有疑问,我真的很理解你的感受。毕竟,对代码的改变不会立即反映到程序的效果上,这种被动的反馈感真有点让人难以习惯。

对于那些觉得用命令行编译效率低下的人来说,记住【D:】这个命令真的很实用。这一点我可以亲身体会,方便又高效。

送别这段回忆,我知道自己对编程的方法论有了更深刻的理解。在最初的经历中,也正是这种基础打下了我后来的学习腰带。

这段经历就是我技术成长路上的一块基石。

转载地址:http://ttwzk.baihongyu.com/

你可能感兴趣的文章
OK335xS UART device registe hacking
查看>>
ok6410内存初始化
查看>>
one_day_one--mkdir
查看>>
OpenCV 中的图像转换
查看>>
opencv&Python——多种边缘检测
查看>>
OpenCV-Python接口、cv和cv2的性能比较
查看>>
opencv26-模板匹配
查看>>
opencv5-图像混合
查看>>
opencv9-膨胀和腐蚀
查看>>
OpenCV与AI深度学习 | YOLO11介绍及五大任务推理演示(目标检测,图像分割,图像分类,姿态检测,带方向目标检测)
查看>>
OpenCV与AI深度学习 | 使用Python和OpenCV实现火焰检测(附源码)
查看>>
OpenCV与AI深度学习 | 使用YOLO11实现区域内目标跟踪
查看>>
OpenCV与AI深度学习 | 使用YOLOv8做目标检测、实例分割和图像分类(包含实例操作代码)
查看>>
OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果
查看>>
OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
查看>>
OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
查看>>
OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案
查看>>
Opencv中KNN背景分割器
查看>>
OpenCV中基于已知相机方向的透视变形
查看>>