Electron React TypeScript 起步指南
1. 项目介绍
Electron React TypeScript 起步项目是一个用于快速启动基于 Electron、React 和 TypeScript 的桌面应用程序的开发框架。本项目旨在提供一个稳固的起点,帮助开发者避免在整合这些技术时遇到的一些常见问题。它包含了一些基本的修复和优化,使得在使用 React 和 TypeScript 开发 Electron 应用时更为顺畅。项目支持在代码变更时自动重新加载 Electron 应用,从而加速开发流程。
2. 项目快速启动
安装依赖
首先,确保您的系统中已安装了 Node.js 和 npm。
克隆项目到本地:
git clone https://github.com/nateshmbhat/electron-react-ts-starter.git
cd electron-react-ts-starter
分别安装渲染进程和主进程的依赖:
cd renderer
npm install
cd ../main
npm install
运行项目
启动渲染进程(React 应用):
cd renderer
npm run start
启动主进程(Electron 应用):
cd main
npm run start
构建项目
确保在 main/package.json 中的所有依赖项都已添加到 renderer/package.json。然后从渲染进程目录构建项目:
cd renderer
npm run release
# 或者使用 npm run build
构建完成后,您的应用程序将位于 dist 文件夹中。
3. 应用案例和最佳实践
使用 React Router
如果您的应用使用 React Router,建议使用 HashRouter 而不是 BrowserRouter。
修改构建设置
在 renderer/package.json 中,可以使用 build 属性来定制 electron-builder 的设置。所有静态资产和文件应放置在 assets 文件夹中。
生成不同类型的安装程序
要生成如 'msi'、'appx'、'7z'、'zip' 等不同类型的安装程序,您可以在 renderer/package.json 的 build 属性中更改 target。
处理嵌套的 TypeScript 文件结构
如果 main 文件夹中存在嵌套的 TypeScript 文件结构,请在构建 React 应用之前,将所有生成的 .js 文件复制到 renderer/public/ 文件夹中。
4. 典型生态项目
本项目的典型生态项目包括 Windows Terminal Tweaker,它使用这个起步项目作为基础来开发一个定制化的 Windows 终端配置工具。
以上就是使用 Electron React TypeScript 起步项目的简要指南。希望这对您的开发工作有所帮助。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0153- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112