Git 配置Access Token 解决Github 认证弹窗
- [1. 前言](#1. 前言)
- [2. 解决](#2. 解决)
-
- [2.1 申请Personal Access Token](#2.1 申请Personal Access Token)
- [2.2. 配置Token](#2.2. 配置Token)
- [2.3. 授权激活Token](#2.3. 授权激活Token)
- 博主热门文章推荐：
1. 前言
最近从bitbucket切换到了Github Enterprise, 刚使用几次发现 每次操作 都有弹窗认证，
虽然手动点下就跳到浏览器认证，但对我这样的懒人还是不友好，而且有些自动化脚本也无法手动。。。
2. 解决
通过申请Access Token来解决（Github已经关掉了密码方式认证）：
相关Doc介绍可参见：Personal Access Token in Github
步骤如下：
2.1 申请Personal Access Token
- 登陆Github账号后，在任意页面右上角头像 点击进入Settings:
- 左侧最下面打开 Developer Setting 开发者设置:
- 打开 Personal access token -> Token (classic):
Github支持两种Token，Fine-grained 和classic，前者的权限更精细化，安全性更高，但需要权限的地方也更复杂。
这里普通使用选择的：classic token
- 点击Generate
- 然后给Token起个名，选择有效期和相应的权限，
- 最后点击生成：
- 将Token复制保留（注意先复制出来，刷新页面后该token数据无法再被显示）
2.2. 配置Token
使用Token有很多种方式，可以直接set remote url, 或者输入密码替换成Token，但更推荐修改git credentials，这样本机都可以使用了:
管理员权限打开Git bash：
- 执行下面命令将credential level改为 store ：
git config --global credential.helper store
git config --system credential.helper store
- 找到并打开用户目录下面的.git-credentials 文件：
将token复制到里面的github credentials：
具体格式为：
如下图
2.3. 授权激活Token
到这还没完，因为token在enterprise需要授权一下才使用。。。
cd到任意git repo下 pull一次就会提示需要token激活，以及链接：
点击链接会跳到相应组织页面, 点击 continue
继续continue 完成authorization：
之后就可以正常使用，不再有烦人的弹窗了~~
博主热门文章推荐：
一篇读懂系列：
- 一篇读懂无线充电技术（附方案选型及原理分析）
- 一篇读懂：Android/iOS手机如何通过音频接口（耳机孔）与外设通信
- 一篇读懂：Android手机如何通过USB接口与外设通信（附原理分析及方案选型）
LoRa Mesh系列：
- LoRa学习：LoRa关键参数（扩频因子，编码率，带宽）的设定及解释
- LoRa学习：信道占用检测原理（CAD）
- LoRa/FSK 无线频谱波形分析（频谱分析仪测试LoRa/FSK带宽、功率、频率误差等）
网络安全系列：
- ATECC508A芯片开发笔记（一）：初识加密芯片
- SHA/HMAC/AES-CBC/CTR 算法执行效率及RAM消耗 测试结果
- 常见加密/签名/哈希算法性能比较 (多平台 AES/DES, DH, ECDSA, RSA等)
- AES加解密效率测试（纯软件AES128/256）--以嵌入式Cortex-M0与M3 平台为例
嵌入式开发系列：
- 嵌入式学习中较好的练手项目和课题整理（附代码资料、学习视频和嵌入式学习规划）
- IAR调试使用技巧汇总：数据断点、CallStack、设置堆栈、查看栈使用和栈深度、Memory、Set Next Statement等
- Linux内核编译配置（Menuconfig）、制作文件系统 详细步骤
- Android底层调用C代码（JNI实现）
- 树莓派到手第一步：上电启动、安装中文字体、虚拟键盘、开启SSH等
- Android/Linux设备有线&无线 双网共存（同时上内、外网）
AI / 机器学习系列：
- AI: 机器学习必须懂的几个术语：Lable、Feature、Model...
- AI：卷积神经网络CNN 解决过拟合的方法 （Overcome Overfitting）
- AI: 什么是机器学习的数据清洗（Data Cleaning）
- AI: 机器学习的模型是如何训练的？（在试错中学习）
- 数据可视化：TensorboardX安装及使用（安装测试+实例演示）