【亲测免费】 JSweet 项目教程
1. 项目介绍
JSweet 是一个 Java 到 JavaScript 的转译器,它允许开发者使用 Java 编写富客户端 Web 应用程序,并将其转译为 TypeScript 和 JavaScript,以便在浏览器、移动 Web 视图或 Node.js 中运行。JSweet 利用 TypeScript 来编写丰富的响应式 Web 应用程序,支持使用 JavaScript 库和框架。
JSweet 的主要特点包括:
- 类型安全:通过类型检查生成完全类型化的 JavaScript 程序。
- 代码共享:支持服务器端 Java 和客户端 JavaScript 之间的代码共享。
- 快速轻量:生成的代码是常规 JavaScript 代码,没有额外的开销。
- 广泛的库支持:支持超过 1000 个 JavaScript 库、框架和插件。
2. 项目快速启动
2.1 环境准备
在开始之前,请确保你已经安装了以下工具:
- Git
- Node.js 和 npm
- Maven
2.2 克隆项目
首先,克隆 JSweet 的快速启动项目:
git clone https://github.com/cincheo/jsweet-quickstart.git
2.3 运行转译器
进入项目目录并运行 Maven 命令来生成 JavaScript 代码:
cd jsweet-quickstart
mvn generate-sources
2.4 查看结果
使用浏览器打开生成的 HTML 文件,查看结果:
firefox webapp/index.html
2.5 开始编程
你可以编辑项目中的 Java 文件,JSweet 会自动将其转译为 JavaScript。
3. 应用案例和最佳实践
3.1 使用 jQuery
以下是一个简单的示例,展示了如何使用 jQuery 在 Java 中编写代码:
package org.jsweet;
import static jsweet.dom.Globals.*;
public class HelloJQuery {
public static void main(String[] args) {
$(document).ready(() -> {
$("body").append("<h1>Hello, jQuery!</h1>");
});
}
}
3.2 使用 AngularJS
以下是一个使用 AngularJS 的示例:
package org.jsweet;
import static jsweet.dom.Globals.*;
public class HelloAngular {
public static void main(String[] args) {
angular.module("myApp", new String[] {}).controller("myCtrl", ($scope) -> {
$scope.message = "Hello, AngularJS!";
});
}
}
4. 典型生态项目
4.1 JSweet 转译器
JSweet 的核心是一个 Java 到 TypeScript/JavaScript 的转译器,它将 Java 代码转译为 TypeScript 和 JavaScript。
4.2 JSweet 核心糖果
JSweet 提供了核心 API(JavaScript 语言、JavaScript DOM 和 JSweet 语言实用工具),这些 API 以糖果的形式提供,方便开发者使用。
4.3 JDK 运行时
JSweet 包含一个从 GWT 的 JRE 仿真中分叉出来的 JDK 运行时,用于在 JSweet/TypeScript/JavaScript 中实现主要的 JDK API。
4.4 JSweet 糖果生成器
JSweet 糖果生成器是一个工具,用于从 TypeScript 定义文件生成 Java API,并将它们打包为 JSweet 糖果。
4.5 JSweet 文档
JSweet 提供了详细的文档,包括语言规范、快速入门指南和示例代码,帮助开发者快速上手。
通过这些模块,你可以全面了解 JSweet 项目,并开始使用它来开发富客户端 Web 应用程序。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00