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。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00