新闻详情

新闻详情

首页 / 资讯中心 / 详情

Windows 下使用 VSCode 配置 C 语言开发环境(MSYS2 + MinGW-w64 + GCC)

发布时间:2026/11/16 21:41:22来源:尧图网络
Windows 下使用 VSCode 配置 C 语言开发环境(MSYS2 + MinGW-w64 + GCC)
一、环境介绍VSCode 是一款代码编辑器本身不包含 C 语言编译器。想要在 VSCode 中编写并运行 C 程序需要安装VSCode代码编辑器C/C 插件提供代码分析、补全和调试支持GCCC语言编译器MinGW-w64Windows 下的 GCC 工具链MSYS2用于安装和管理开发工具二、安装 VSCode进入 VSCode 官网https://code.visualstudio.com/下载安装。安装完成后打开 VSCode。三、安装 VSCode 插件打开 VSCode 左侧扩展管理。1.Chinese (Simplified) (简体中文) Language Pack for Visual Studio Code2. C/C3. Code Runner四、安装 MSYS21. 下载官网https://www.msys2.org/下载并安装。默认路径C:\msys64安装完成后会出现多个终端MSYS2 MSYSMSYS2 UCRT64MSYS2 MINGW64五、安装 MinGW-w64 GCC打开你安装的那个目录运行MSYS2 UCRT64终端中执行pacman-Smingw-w64-ucrt-x86_64-gcc输入y同意安装gcc六、验证 GCC在 MSYS2 UCRT64 中执行gcc--version如果显示 GCC 版本信息例如gcc.exe (Rev...) ...说明安装成功。七、配置 Windows PATH为了让 VSCode 和 Windows 终端能够调用 GCC需要添加环境变量。GCC 所在目录C:\msys64\ucrt64\bin添加方法设置 → 系统 → 系统信息 → 高级系统设置 → 环境变量找到Path点击编辑 → 新建添加C:\msys64\ucrt64\bin保存 重启电脑八、测试环境关闭已经打开的终端和 VSCode。重新打开 PowerShell。输入gcc--version显示版本信息即可。九、创建第一个 C 程序创建文件hello.c输入#includestdio.hintmain(){printf(Hello World\n);return0;}十、编译并运行程序点击选项栏的Run Code或 CtrlAltN 运行程序输出Hello, World!
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/15 4:54:16

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/15 2:04:12

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/16 19:23:38

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/16 6:47:19

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/16 17:28:18

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉