GitHub Actions 部署到 GitHub Pages 教程
1. 项目介绍
deploy-pages 是一个 GitHub Action,用于将之前上传为工件(artifact)的 Pages 站点部署到 GitHub Pages。这个 Action 推荐在专门的作业中使用,以确保部署过程的独立性和可靠性。
主要功能
- 部署工件:将之前上传的工件部署到 GitHub Pages。
- 环境支持:支持
github-pages环境,并可根据需要配置不同的环境。 - 权限控制:通过
GITHUB_TOKEN进行权限控制,确保部署的安全性。
2. 项目快速启动
2.1 创建工作流文件
在你的 GitHub 仓库中,创建一个 .github/workflows/deploy.yml 文件,并添加以下内容:
name: Deploy to GitHub Pages
on:
push:
branches:
- main
jobs:
build:
runs-on: ubuntu-latest
steps:
- name: Checkout code
uses: actions/checkout@v2
- name: Upload Pages Artifact
uses: actions/upload-pages-artifact@v1
with:
path: ./build
deploy:
needs: build
runs-on: ubuntu-latest
environment:
name: github-pages
url: $[[ steps.deployment.outputs.page_url ]]
steps:
- name: Deploy to GitHub Pages
id: deployment
uses: actions/deploy-pages@v4
with:
token: $[[ secrets.GITHUB_TOKEN ]]
2.2 配置权限
确保你的 GITHUB_TOKEN 具有足够的权限来部署到 GitHub Pages。你可以在仓库的设置中配置这些权限。
2.3 触发部署
将上述工作流文件推送到 main 分支,GitHub Actions 将自动触发部署过程。
3. 应用案例和最佳实践
3.1 静态网站部署
使用 deploy-pages 可以轻松地将静态网站部署到 GitHub Pages。例如,你可以使用 React、Vue 或 Hugo 等框架生成静态网站,然后通过 upload-pages-artifact 上传生成的工件,最后使用 deploy-pages 进行部署。
3.2 CI/CD 集成
将 deploy-pages 集成到你的 CI/CD 流程中,可以在每次代码推送时自动部署到 GitHub Pages,确保网站内容的实时更新。
3.3 多环境部署
通过配置不同的环境,你可以在不同的分支或环境中进行部署。例如,你可以在 staging 环境中测试部署,然后在 production 环境中正式发布。
4. 典型生态项目
4.1 actions/upload-pages-artifact
upload-pages-artifact 是 deploy-pages 的配套 Action,用于将生成的工件上传到 GitHub Pages。它支持多种文件格式和路径,确保你可以灵活地上传所需的文件。
4.2 actions/checkout
checkout 是一个常用的 GitHub Action,用于从仓库中检出代码。在部署过程中,通常需要先检出代码,然后再进行构建和部署。
4.3 actions/setup-node
如果你使用 Node.js 进行开发,setup-node 可以帮助你快速设置 Node.js 环境,并安装所需的依赖包。这对于构建静态网站非常有用。
通过以上模块的介绍,你可以快速上手并使用 deploy-pages 进行 GitHub Pages 的部署。希望这篇教程对你有所帮助!
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C092
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00