py-charm延长试用期限实例

yipeiwu_com7年前Python基础

不敢说得太明显太仔细,反正你懂的。

有两种方法,一种是搭建本地授权服务器,另一种是直接替换核心文件,修改对应的注册码。

先说第一种。

下载IntelliJIDEALicenseServer,然后找到对应的平台,比如我的是win10 x64的文件运行,看屏幕输出提示,复制授权服务器地址http://127.0.0.1:1017,粘贴到pycharm的注册地址即可。

亲测可用。

再说下第二种。

比较麻烦,先安装java jdk,如果想使用pycharm 64位的就装64位的java。

然后下载jetbrainscrack-2.6.2,复制 JetbrainsCrack.jar 到 安装目录\bin。

修改 安装目录\bin\PyCharm64.exe.vmoptions 添加一行

-javaagent:D:\Program Files (x86)\JetBrains\PyCharm 5.0\bin\JetbrainsCrack.jar

运行PyCharm,填写激活码

ThisCrackLicenseId-{ 
"licenseId":"ThisCrackLicenseId", 
"licenseeName":"yzmaster", 
"assigneeName":"", 
"assigneeEmail":"qiaole@vip.qq.com", 
"licenseRestriction":"For Rover12421 Crack, Only Test! Please support genuine!!!", 
"checkConcurrentUse":false, 
"products":[ 
{"code":"II","paidUpTo":"2099-12-31"}, 
{"code":"DM","paidUpTo":"2099-12-31"}, 
{"code":"AC","paidUpTo":"2099-12-31"}, 
{"code":"RS0","paidUpTo":"2099-12-31"}, 
{"code":"WS","paidUpTo":"2099-12-31"}, 
{"code":"DPN","paidUpTo":"2099-12-31"}, 
{"code":"RC","paidUpTo":"2099-12-31"}, 
{"code":"PS","paidUpTo":"2099-12-31"}, 
{"code":"DC","paidUpTo":"2099-12-31"}, 
{"code":"RM","paidUpTo":"2099-12-31"}, 
{"code":"CL","paidUpTo":"2099-12-31"}, 
{"code":"PC","paidUpTo":"2099-12-31"} 
], 
"hash":"2911276/0", 
"gracePeriodDays":7, 
"autoProlongated":false} 

第三种方法

很简单,卸载了,删除

C:\Users\zhenyu\.PyCharm2017.2文件夹,

C:\Users\zhenyu\AppData\Roaming\JetBrains文件夹,

然后重新安装,还是有1个月的试用期。

以上这篇py-charm延长试用期限实例就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持【听图阁-专注于Python设计】。

相关文章

对Python实现累加函数的方法详解

这个需求比较奇怪,要求实现Sum和MagaSum函数,实现以下功能 Sum(1) =>1 Sum(1,2,3) =>6 MegaSum(1)() =>1 MegaS...

python函数声明和调用定义及原理详解

这篇文章主要介绍了python函数声明和调用定义及原理详解,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下 函数是指代码片段,可以重复调...

python中threading超线程用法实例分析

本文实例讲述了python中threading超线程用法。分享给大家供大家参考。具体分析如下: threading基于Java的线程模型设计。锁(Lock)和条件变量(Condition...

pytorch::Dataloader中的迭代器和生成器应用详解

在使用pytorch训练模型,经常需要加载大量图片数据,因此pytorch提供了好用的数据加载工具Dataloader。 为了实现小批量循环读取大型数据集,在Dataloader类具体实...

从numpy数组中取出满足条件的元素示例

例如问题:从 arr 数组中提取所有奇数元素。 input:arr = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) output: #>...