MyBatis-Plus代码生成器自定义模板优化实践
背景介绍
MyBatis-Plus作为MyBatis的增强工具,其代码生成器功能广受开发者欢迎。在实际开发中,我们经常需要生成DTO(数据传输对象)等自定义代码结构,但当前版本在自定义模板支持上存在一些不便之处。
问题分析
当使用MyBatis-Plus代码生成器的自定义文件功能时,开发者会遇到两个主要痛点:
-
包路径重复配置:在定义DTO等自定义文件时,虽然已经通过
packageName()方法配置了包路径,但在模板中仍需重复拼接父包路径,如${package.Parent}.model.dto。 -
命名规则不统一:对于自定义文件的类名,开发者需要手动处理命名规则(如添加DTO后缀),而无法像内置模板那样自动获取格式化后的名称。
解决方案
包路径自动注入
理想情况下,代码生成器应自动将自定义文件的包路径注入到模板上下文中的package对象。例如,当配置:
.customFile(builder -> builder
.fileName("DTO.java")
.packageName("model.dto"))
生成器应自动在模板上下文中添加:
package.put("DTO", "基础包路径.model.dto");
这样在模板中就可以直接使用${package.DTO}来获取完整包路径。
类名自动处理
对于自定义文件的类名,生成器应提供自动处理机制。例如,对于配置的文件名"DTO.java",生成器可以:
- 自动识别后缀(如DTO)
- 基于实体名生成格式化后的类名(如
User实体生成UserDTO) - 将格式化后的类名注入模板上下文
实现建议
MyBatis-Plus可以在InjectionConfig中增强以下功能:
-
自动包路径注入:解析
packageName()配置,自动构建完整包路径并注入模板上下文。 -
智能类名处理:提供命名策略接口,允许开发者自定义类名生成规则,同时内置常用策略(如添加后缀)。
-
上下文扩展机制:提供更灵活的上下文扩展点,方便开发者添加自定义变量。
最佳实践
在当前版本下,开发者可以通过以下方式临时解决问题:
injectionConfig(builder -> {
builder.beforeOutputFile((tableInfo, objectMap) -> {
// 手动处理包路径
String parentPackage = (String)objectMap.get("package").get("Parent");
objectMap.put("package", Map.of(
"Parent", parentPackage,
"DTO", parentPackage + ".model.dto"
));
// 手动处理类名
objectMap.put("DTOName", tableInfo.getEntityName() + "DTO");
});
});
总结
MyBatis-Plus代码生成器的自定义模板功能在实际应用中还有优化空间。通过增强包路径和类名的自动处理能力,可以显著提升开发体验。期待官方在后续版本中提供更完善的自定义模板支持,减少开发者的重复配置工作。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00