博客
关于我
ip地址访问vue运行项目
阅读量:531 次
发布时间:2019-03-08

本文共 871 字,大约阅读时间需要 2 分钟。

通过IP地址访问Vue项目:配置与访问方法

在未进行特定配置的情况下,直接通过IP地址访问Vue运行项目是无法实现的。要想通过IP地址访问项目,需要按照以下步骤进行配置。

步骤一:查看本机IP地址

在Windows系统中,可以通过以下命令查看本机IP地址:

  • 按下Win + R,输入cmd,然后按回车。
  • 在命令提示符中输入ipconfig /all,即可看到本机的IP地址信息。
  • 此时,你会发现每个网络适应器都有一个对应的IP地址,记住这个IP地址信息,用于后续访问项目。

    步骤二:修改项目配置

    为了允许通过IP地址访问项目,需要对项目的配置文件进行相应修改。具体步骤如下:

  • 打开项目根目录下的package.json文件。
  • scripts部分添加配置:
    "scripts": {     "dev": "webpack-dev-server --host 0.0.0.0 --inline --progress --config build/webpack.dev.conf.js", }

    这一步的作用是指定开发服务器的主机地址为0.0.0.0,允许来自任何本地网络的访问。

  • 保存修改后的package.json文件,并重新启动项目。
  • 步骤三:访问项目

    在配置完成后,你可以通过以下方式访问项目:

  • 打开浏览器,输入以下地址:http://[IP地址]:[端口]

    • [IP地址]请将其替换为你查看到的本机IP地址。
    • [端口]默认为8080,如未指定其他端口,请直接使用8080
    • 例如,如果你的IP地址是192.168.42.122,则访问地址为http://192.168.42.122:8080
  • 访问时请确保与项目所在的设备和浏览器处于同一网络范围内,否则可能无法正常访问。

  • 注意事项

    • 在修改package.json文件前,请务必备份以防万一。
    • 如果你在局域网内访问项目,请确保目标设备和浏览器都以同一IP地址连接到网络。
    • 如果你使用了NAT或其他网络安全措施,可能需要额外配置允许外部访问。

    参考资料

    转载地址:http://jgpiz.baihongyu.com/

    你可能感兴趣的文章
    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 | 使用单相机对已知物体进行3D位置估计
    查看>>
    OpenCV与AI深度学习 | 初学者指南 -- 什么是迁移学习?
    查看>>
    OpenCV与AI深度学习 | 十分钟掌握Pytorch搭建神经网络的流程
    查看>>
    OpenCV与AI深度学习 | 基于GAN的零缺陷样本产品表面缺陷检测
    查看>>
    OpenCV与AI深度学习 | 基于OpenCV和深度学习预测年龄和性别
    查看>>
    OpenCV与AI深度学习 | 基于OpenCV实现模糊检测 / 自动对焦
    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YOLO11的车体部件检测与分割
    查看>>
    OpenCV与AI深度学习 | 基于YoloV11自定义数据集实现车辆事故检测(有源码,建议收藏!)
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8 + BotSORT实现球员和足球检测与跟踪 (步骤 + 源码)
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8实现高级目标检测和区域计数
    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YoloV8的药丸/片剂类型识别
    查看>>
    OpenCV与AI深度学习 | 基于YOLO和EasyOCR从视频中识别车牌
    查看>>
    OpenCV与AI深度学习 | 基于图像处理的火焰检测算法(颜色+边缘)
    查看>>
    OpenCV与AI深度学习 | 基于拉普拉斯金字塔实现图像融合(步骤 + 代码)
    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>>