source_gen 项目教程
2024-08-19 22:25:52作者:凌朦慧Richard
项目介绍
source_gen 是一个用于 Dart 语言的源代码生成工具。它提供了一个框架,用于编写生成器(Generators),这些生成器可以自动生成 Dart 源代码。source_gen 基于 build 包,使得开发者可以轻松地在构建系统中集成代码生成功能。
项目快速启动
安装依赖
首先,在你的 Dart 项目中添加 source_gen 依赖:
dependencies:
source_gen: ^1.5.0
创建生成器
创建一个新的 Dart 文件,例如 my_generator.dart,并实现一个简单的生成器:
import 'package:source_gen/source_gen.dart';
import 'package:build/build.dart';
class MyGenerator extends Generator {
@override
String generate(LibraryReader library, BuildStep buildStep) {
return '// 这是自动生成的代码';
}
}
配置构建
在项目的根目录下创建一个 build.yaml 文件,配置 source_gen 使用你的生成器:
builders:
my_builder:
import: "package:my_package/my_generator.dart"
builder_factories: ["myGeneratorBuilder"]
build_extensions: {".dart": [".g.dart"]}
auto_apply: root_package
build_to: source
运行构建
使用 build_runner 运行构建:
pub run build_runner build
应用案例和最佳实践
应用案例
假设你有一个数据模型类,你希望自动生成它的 JSON 序列化代码。你可以使用 source_gen 和 json_serializable 包来实现这一点。
import 'package:json_annotation/json_annotation.dart';
part 'my_model.g.dart';
@JsonSerializable()
class MyModel {
final String name;
final int age;
MyModel(this.name, this.age);
factory MyModel.fromJson(Map<String, dynamic> json) => _$MyModelFromJson(json);
Map<String, dynamic> toJson() => _$MyModelToJson(this);
}
最佳实践
- 保持生成器简单:确保生成器只做一件事,并且做得好。
- 使用注解:利用 Dart 的注解系统来标记需要生成代码的元素。
- 测试生成器:编写单元测试来确保生成器的行为符合预期。
典型生态项目
source_gen 通常与其他 Dart 生态项目一起使用,例如:
build_runner:用于运行构建过程的工具。json_serializable:用于自动生成 JSON 序列化和反序列化代码。inject:用于依赖注入的代码生成。
这些工具和库与 source_gen 结合使用,可以大大提高 Dart 项目的开发效率和代码质量。
登录后查看全文
热门项目推荐
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-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
项目优选
收起
deepin linux kernel
C
24
7
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
615
140
Ascend Extension for PyTorch
Python
167
187
React Native鸿蒙化仓库
JavaScript
240
315
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
647
255
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
373
3.18 K
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.09 K
618
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
62
19
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
261
92