使用Xampp和Eclipse/PDT调试PHP程序

本文介绍如何使用Eclipse PDT插件配合XAMPP配置本地PHP开发环境,并实现PHP程序的调试功能。通过更改Apache配置文件及启用Zend Debugger,使得开发者可以在Eclipse中设置断点并跟踪调试。

经过研究,终于可以用eclipse顺畅的调试PHP程序了。

现在分享成果如下:

Eclipse下目前有几种PHP插件,但是最好的一种肯定是Eclipse官方的PDT,其网页在:
http://www.eclipse.org/pdt/

下载方法不多说了,最方便的下载就是下载AllinOne这样的东西,这里给个连接,包含了Zend的调试器的AllInOne:http://www.zend.com/pdt#all_in_one

XAMPP现在无疑是大家研究apache/mysql/php/perl 的首选,安装配置非常方便,它在http://www.apachefriends.org

可以从这里下载最新的Windows版本的Xampp: http://www.apachefriends.org/zh_cn/xampp-windows.html

XAMPP和Eclipse都是绿色软件,下载下来就能直接使用了,这个不屑多说了。现在说说让XAMPP的apache服务器配成我们的网站,同时又让Eclipse/PDT来调试我们网站上的PHP程序。

首先我这里假定我的XAMPP,Eclipse都安装在F盘下,就是F:\Xampp 和 F:\Eclipse 并且 我的工作目录也在F盘下的F:\Workspace

启动Eclipse以后,工作空间选择:F:\Workspace

好了,现在我们就可以开始试验一个新的PHP项目了,假定新项目名称是testmyphp

Eclipse中选择新建一个PHP项目。然后创建一个PHP文件,就如同下图,我在其中的第三行设置了一个断点

为了方便起见,我们配置一下把我们的F:\workspace\testmyphp作为我们整个网站的目录

因此需要配置F:\xampp\apache\conf\httpd.conf,加一段

<Directory "F:/Workspace/testmyphp">
Options FollowSymLinks
AllowOverride None
Order deny,allow
</Directory>

同时把原来的:

DocumentRoot "F:/xampp/htdocs"

改成:

DocumentRoot "F:/Workspace/testmyphp"

关于Apache目录的配置,这里不多说了。

然后就是配置一下Xampp中的PHP的Debugger了,在缺省情况下Xampp中的PHP使用了Zend的加速器,现在要把它改成Zend的Debugger

注意:Xampp的PHP执行程序虽然在F:\Xampp\Php目录,但它的配置却是在F:\Xampp\Apache\bin目录下的,打开 F:\Xampp\Apache\bin\php.ini 找到zend_extension_ts=....之所在,下面是缺省的样子:

zend_extension_ts = "F:\xampp\php\zendOptimizer\lib\ZendExtensionManager.dll"

把它改成:

zend_extension_ts = "F:\eclipse\plugins\org.zend.php.debug.debugger.win32.x86_5.2.6.v20070507\resources\php5\ZendDebugger.dll"

这个ZendDebugger.Dll就是刚才从Zend下载来的Zend的调试器的AllInOne的Eclipse中的Zend调试器。

然后重启Apache。

然后我们使用Debug中的PHP Web Page方式

看看,现在我们设的断点起作用了,可以调试程序了:

 

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值