百度360必应搜狗淘宝本站头条
当前位置:网站首页 > IT知识 > 正文

带你一步步搭建一个 Node.js 服务器

liuian 2025-04-24 03:39 15 浏览

爱学习的小伙伴们,Node.js 服务器有听说过没,是否觉得陌生?如此,就一起动手搭建一个吧。会的小伙伴可以略过哟~
以下是搭建 Node.js 服务器的详细步骤:

1. 安装 Node.js 和 npm

  • 下载安装:访问 Node.js 官网(https://nodejs.org/zh-cn),下载并安装 LTS 版本(包含 npm)。
  • 验证安装

node -v # 查看 Node.js 版本

npm -v # 查看 npm 版本


2. 初始化项目

  • 创建项目文件夹并进入:

mkdir my-server && cd my-server


  • 初始化 package.json

npm init -y # -y 跳过提问,使用默认配置


3. 安装 Express(可选但推荐)

Express 是流行的 Node.js Web 框架。


npm install express --save


4. 创建服务器文件

新建 server.js,编写基础服务器代码:


// 导入 Express

const express = require('express');

const app = express();

const port = 3000; // 端口号


// 处理根路径 GET 请求

app.get('/', (req, res) => {

res.send('Hello World!');

});


// 启动服务器

app.listen(port, () => {

console.log(`Server running at http://localhost:${port}`);

});


5. 运行服务器


node server.js


访问 http://localhost:3000 查看效果。

6. 添加静态文件服务

托管 HTML、CSS、JS 等文件:


app.use(express.static('public')); // 将 public 文件夹设为静态目录


  • 创建 public 文件夹,放入 index.html 等文件。

7. 处理其他路由和方法

示例:处理 POST 请求并解析 JSON 数据:


app.use(express.json()); // 解析 JSON 请求体


app.post('/api/data', (req, res) => {

const data = req.body;

res.json({ received: data });

});


8. 中间件使用

添加日志中间件:


app.use((req, res, next) => {

console.log(`${req.method} ${req.url}`);

next(); // 继续处理请求

});


9. 错误处理

自定义错误中间件:


// 404 处理

app.use((req, res) => {

res.status(404).send('Page not found');

});


// 全局错误处理

app.use((err, req, res, next) => {

console.error(err.stack);

res.status(500).send('Server error!');

});


10. 部署与生产环境

  • 进程管理:使用 pm2 保持服务运行:

npm install pm2 -g

pm2 start server.js --name "my-server"


  • 反向代理:通过 Nginx/Apache 转发请求。
  • 环境变量:使用 dotenv 管理敏感配置:

npm install dotenv --save


创建 .env 文件:


PORT=3000


在代码中读取:


require('dotenv').config();

const port = process.env.PORT;


11. 扩展功能

  • 数据库连接:集成 MongoDB(使用 mongoose)或 MySQL。
  • 用户认证:使用 passportjsonwebtoken
  • 模板引擎:如 ejspug 渲染动态页面。

12.完整示例代码


const express = require('express');

const app = express();

require('dotenv').config();


// 中间件

app.use(express.json());

app.use(express.static('public'));


// 路由

app.get('/', (req, res) => {

res.send('Home Page');

});


app.post('/api/submit', (req, res) => {

res.json({ status: 'success', data: req.body });

});


// 错误处理

app.use((req, res) => {

res.status(404).send('404 Not Found');

});


// 启动服务器

const PORT = process.env.PORT || 3000;

app.listen(PORT, () => {

console.log(`Server started on port ${PORT}`);

});


通过以上步骤,你可以快速搭建一个功能完备的 Node.js 服务器,并根据需求扩展功能。
好了,
爱学习小伙伴更多精彩关注不迷路哟~

相关推荐

深入解析 MySQL 8.0 JSON 相关函数:解锁数据存储的无限可能

引言在现代应用程序中,数据的存储和处理变得愈发复杂多样。MySQL8.0引入了丰富的JSON相关函数,为我们提供了更灵活的数据存储和检索方式。本文将深入探讨MySQL8.0中的JSON...

MySQL的Json类型个人用法详解(mysql json类型对应java什么类型)

前言虽然MySQL很早就添加了Json类型,但是在业务开发过程中还是很少设计带这种类型的表。少不代表没有,当真正要对Json类型进行特定查询,修改,插入和优化等操作时,却感觉一下子想不起那些函数怎么使...

MySQL的json查询之json_array(mysql json_search)

json_array顾名思义就是创建一个数组,实际的用法,我目前没有想到很好的使用场景。使用官方的例子说明一下吧。例一selectjson_array(1,2,3,4);json_array虽然单独...

头条创作挑战赛#一、LSTM 原理 长短期记忆网络

#头条创作挑战赛#一、LSTM原理长短期记忆网络(LongShort-TermMemory,LSTM)是一种特殊类型的循环神经网络(RNN),旨在解决传统RNN在处理长序列数据时面临的梯度...

TensorBoard最全使用教程:看这篇就够了

机器学习通常涉及在训练期间可视化和度量模型的性能。有许多工具可用于此任务。在本文中,我们将重点介绍TensorFlow的开源工具套件,称为TensorBoard,虽然他是TensorFlow...

图神经网络版本的Kolmogorov Arnold(KAN)代码实现和效果对比

本文约4600字,建议阅读10分钟本文介绍了图神经网络版本的对比。KolmogorovArnoldNetworks(KAN)最近作为MLP的替代而流行起来,KANs使用Kolmogorov-Ar...

kornia,一个实用的 Python 库!(python kkb_tools)

大家好,今天为大家分享一个实用的Python库-kornia。Github地址:https://github.com/kornia/kornia/Kornia是一个基于PyTorch的开源计算...

图像分割掩码标注转YOLO多边形标注

Ultralytics团队付出了巨大的努力,使创建自定义YOLO模型变得非常容易。但是,处理大型数据集仍然很痛苦。训练yolo分割模型需要数据集具有其特定格式,这可能与你从大型数据集中获得的...

[python] 向量检索库Faiss使用指北

Faiss是一个由facebook开发以用于高效相似性搜索和密集向量聚类的库。它能够在任意大小的向量集中进行搜索。它还包含用于评估和参数调整的支持代码。Faiss是用C++编写的,带有Python的完...

如何把未量化的 70B 大模型加载到笔记本电脑上运行?

并行运行70B大模型我们已经看到,量化已经成为在低端GPU(比如Colab、Kaggle等)上加载大型语言模型(LLMs)的最常见方法了,但这会降低准确性并增加幻觉现象。那如果你和你的朋友们...

ncnn+PPYOLOv2首次结合!全网最详细代码解读来了

编辑:好困LRS【新智元导读】今天给大家安利一个宝藏仓库miemiedetection,该仓库集合了PPYOLO、PPYOLOv2、PPYOLOE三个算法pytorch实现三合一,其中的PPYOL...

人工智能——图像识别(人工智能图像识别流程)

概述图像识别(ImageRecognition)是计算机视觉的核心任务之一,旨在通过算法让计算机理解图像内容,包括分类(识别物体类别)、检测(定位并识别多个物体)、分割(像素级识别)等,常见的应用场...

PyTorch 深度学习实战(15):Twin Delayed DDPG (TD3) 算法

在上一篇文章中,我们介绍了DeepDeterministicPolicyGradient(DDPG)算法,并使用它解决了Pendulum问题。本文将深入探讨TwinDelayed...

大模型中常用的注意力机制GQA详解以及Pytorch代码实现

分组查询注意力(GroupedQueryAttention)是一种在大型语言模型中的多查询注意力(MQA)和多头注意力(MHA)之间进行插值的方法,它的目标是在保持MQA速度的同时...

pytorch如何快速创建具有特殊意思的tensor张量?

专栏推荐正文我们通过值可以看到torch.empty并没有进行初始化创建tensor并进行随机初始化操作,常用rand/rand_like,randint正态分布(0,1)指定正态分布的均值还有方差i...