Android APP签名文件.keystore和.jks的相互转换_jks转keystore-程序员宅基地

技术标签： java android 移动开发 Android Studio Android

签名文件kestore和jks的在作用上基本上没有太大区别，主要是生成来源不一样，它们是由不同的IDE生成，keystore文件一般是由Eclipce或dos命令行生成，而jks一般是在Android studio上自动生成。

要实现这个两种签名文件的相互转化，需要用到一个工具：keytool。

首先了解一下keytool命令的相关指令，cmd输入:keytool help ,如下图：

1.jks转化为keystore

cmd命令： keytool -importkeystore -srcstoretype JKS -srckeystore [jks文件绝对路径（包含文件名）] -deststoretype PKCS12 -destkeystore [生成的keystore文件绝对路径（包含文件名）]

效果如下：

代码：

C:\Users\LOVE\Desktop\temp\test>keytool -importkeystore -srcstoretype JKS -srckeystore testkey0.jks -deststoretype PKCS12 -destkeystore testkey0.keystore
输入目标密钥库口令:
再次输入新口令:
输入源密钥库口令:
已成功导入别名 releasekey 的条目。
已完成导入命令: 1 个条目成功导入, 0 个条目失败或取消

除了这种方法之外，还可以先把jks文件转话为p12文件，然后在把p12文件转化为keystore文件，相对麻烦一点，但是效果是完全一样的。博主平时只用第一种，第二种这里就不做赘述了，毕竟能一步完成的动作为什么要两步呢，毕竟效率还是很重要的。

注意：输入秘钥口令是不会把秘钥显示出来的，避免泄露，输入完成后，直接回车即可。我这里的文件路径都是当前路径，如果不是当前路径要输入包含文件名的绝对路径。

2.keystore转化为jks:

cmd命令：keytool -v -importkeystore -srcstoretype PKCS12 -srckeystore [keystore文件绝对路径（包含文件名）] -deststoretype JKS -destkeystore [生成的jks文件绝对路径（包含文件名）]

效果如下：

代码如下：

C:\Users\LOVE\Desktop\temp\test>keytool -v -importkeystore -srcstoretype PKCS12 -srckeystore test1.keystore -deststoretype JKS -destkeystore test1.jks
输入目标密钥库口令:
再次输入新口令:
输入源密钥库口令:
已成功导入别名 releasekey 的条目。
已完成导入命令: 1 个条目成功导入, 0 个条目失败或取消
[正在存储test1.jks]

生成文件：

执行完相应的指令后，就会在指定的目录下生成对应的签名文件，完美解决。

本文链接：https://blog.csdn.net/qq_35381515/article/details/121415491

原作者删帖不实内容删帖广告或垃圾文章投诉

智能推荐

CSS拾遗篇之定位体系和包含块 & html，body 的探究_绝对定位初始包含块-程序员宅基地

文章浏览阅读377次。绝对定位元素相对于最近的有定位的（position值为非static）父级，如果不存在满足条件的父元素，则相对于哪个元素定位？若无非static祖先，是相对于初始包含块来定位的，而初始包含块并不是以html 或body 进行定位。案例：div绝对定位 bottom:0 ，body,html无定位的效果图如下： document指的是整个文档，是 html 的包含块 document.documentElement指的是 HTML 可以看出div是相对于初始包含块的，而不是 <h._绝对定位初始包含块

Java设计模式_java设计模式笔记-程序员宅基地

文章浏览阅读392次。概述软件设计模式（Software Design Pattern），又称设计模式，是一套被反复使用、多数人知晓的、经过分类编目的、代码设计经验的总结。它描述了在软件设计过程中的一些不断重复发生的问题，以及该问题的解决方案。也就是说，它是解决特定问题的一系列套路，是历来代码设计经验的总结，具有一定的普遍性，可以反复使用。UML类图统一建模语言（Unified Modeling Language，UML）是用来设计软件的可视化建模语言。它的特点是简单、统一、图形化、能表达软件设计中的动态与静态信息。_java设计模式笔记

在创建2D物体时，在Scene视图可以正常显示在Game视图模糊显示的原因_unity 图片在game看不清楚-程序员宅基地

文章浏览阅读758次。非标准的分辨率（比如10x16）可能导致Unity在默认情况下难以正确显示2D物体。当你将物体的Type类型设置为"Aspect Ratio"时，Unity会尝试通过调整物体的缩放，保持原始纵横比的同时适应不同分辨率的屏幕，从而使物体正确显示。总之，通过将物体的Type类型设置为"Aspect Ratio"，Unity会尽力使物体在不同分辨率下保持纵横比，并正确显示。"Fixed Resolution"类型适用于在固定的像素尺寸下显示2D物体，但对于非标准分辨率，它可能导致物体出现错位或无法完全显示。_unity 图片在game看不清楚

Pycharm+PyQt5 报错：no Qt platform plugin could be initialized..._pycharm调用pyqt5报错缺少plugin-程序员宅基地

文章浏览阅读558次。Pycharm运行python脚本时PyQt5报错的解决方法。_pycharm调用pyqt5报错缺少plugin

【BP回归预测】基于改进的自适应遗传算法优化BP神经网络实现SOC预测含对比附matlab代码-程序员宅基地

文章浏览阅读40次。自适应遗传算法（Adaptive Genetic Algorithm）是一种基于遗传算法的优化方法，它通过模拟生物进化的过程来寻找最优解。而BP神经网络（Backpropagation Neural Network）则是一种常用的人工神经网络模型，用于解决分类和回归问题。本文将介绍如何利用改进的自适应遗传算法来优化BP神经网络，以实现对SOC（State of Charge）的预测，并与其他算法进行对比。SOC是指电池的电荷状态，对于电动车和可再生能源系统等应用具有重要意义。

AI的十大趋势如何？斯坦福《2024年人工智能指数报告》告诉你_斯坦福大学李飞飞《2024年人工智能指数报告》下载-程序员宅基地

文章浏览阅读881次，点赞21次，收藏17次。在美国，Pew的数据显示，对AI感到担忧的人超过了感到兴奋的人，比例从2022年的38%上升到了52%。该研究所的使命是提供不带偏见的、经过严格审查的、来源广泛的数据，以便政策制定者、研究人员、高管、记者和公众对复杂的人工智能领域有更深入细致的了解。到了2023年，AI在科学领域的应用变得更加广泛和深入，并取得了一系列突破性的成果，如提高算法排序效率的AlphaDev和促进材料发现的GNoME等。然而，也有一些研究表明，如果不对AI的使用进行适当的监管，可能会导致上班族的绩效下降。_斯坦福大学李飞飞《2024年人工智能指数报告》下载

随便推点

超详细标注工具via的使用教程_via标注-程序员宅基地

文章浏览阅读2.7w次，点赞27次，收藏115次。via官网地址本教程以配置标记虫子为案例，对via展开介绍。虫子类别图如下1，解压三个压缩包后，依次得到 1. 需要标记的图片， 2. chrome浏览器， 3. 标注工具 (自己更改了名字，便于使用)，如下图2，打开chrome-win32文件夹，打开chrome.exe （google浏览器），如下图3，返回进入到标注工具文件夹下..._via标注

图像识别算法 | Matlab基于卷积神经网络结合支持向量机(CNN-SVM)的宝可梦识别算法_cnn和svm做图像识别matlab-程序员宅基地

文章浏览阅读48次。图像识别算法 | Matlab基于卷积神经网络结合支持向量机(CNN-SVM)的宝可梦识别算法_cnn和svm做图像识别matlab

使用$emit进行子传父_使用emit实现子组件给父组件传参-程序员宅基地

文章浏览阅读193次。vue使用$emit传参_使用emit实现子组件给父组件传参

ThinkPHP 系列漏洞_thinkphp漏洞，2024年最新2024年网络安全社招面试题-程序员宅基地

文章浏览阅读867次，点赞10次，收藏19次。attr) : null //进行判断时，需要通过toArray()将getAttr($attr)进行数据类型转换，Output类中不存在toArray()方法，触发 think\console\Output::__call()调用不存在的方法。File::setTagItem($name) => File::set() => file_put_contents() => 写入 webshell。s=index/\think\Config/load&file=…// 将 webshell 写入缓存文件。

【WSN路由优化】基于蚁群算法求解无线传感器网络节点消耗能量最低路由优化问题附Matlab代码-程序员宅基地

文章浏览阅读1.2k次。无线传感器网络（WSN）是一种由大量低功耗、低成本的传感器节点组成的网络，用于收集和传输环境数据。由于传感器节点的能量有限，因此在WSN中路由优化至关重要，以最大限度地延长网络寿命。本文提出了一种基于蚁群算法（ACO）的WSN路由优化算法，旨在找到节点消耗能量最低的路由路径。引言WSN在环境监测、工业自动化和医疗保健等领域有着广泛的应用。然而，传感器节点的能量有限，因此路由优化对于延长网络寿命至关重要。传统的路由算法，如最短路径算法，并不考虑节点的能量消耗。蚁群算法。

Qt+libvlc+rtsp：视频层上绘图探究_qt 视频绘制图片-程序员宅基地

文章浏览阅读1.3w次，点赞8次，收藏47次。使用libvlc获取rtsp流媒体并解码，再通过qt重绘，实现对视频窗口的自由编辑。_qt 视频绘制图片