JavaParser 技术文档
1. 安装指南
JavaParser 项目二进制文件可在 Maven Central 获得。我们强烈建议用户在项目中使用 Maven、Gradle 或其他构建系统。如果您不熟悉这些工具,我们建议您查看 Maven 快速入门项目(javaparser-maven-sample, javasymbolsolver-maven-sample)。
只需将以下配置添加到您的 Maven 配置中,或根据您的依赖管理系统进行调整。
Maven 配置:
<dependency>
<groupId>com.github.javaparser</groupId>
<artifactId>javaparser-core</artifactId>
<version>3.26.2</version>
</dependency>
Gradle 配置:
implementation 'com.github.javaparser:javaparser-core:3.26.2'
2. 项目的使用说明
要从源代码编译项目,请按照以下步骤操作:
- 从 GitHub 检出项目源代码。
- 使用 Maven 命令构建项目:
./mvnw clean install
如果要生成打包的 jar 文件,请运行以下 Maven 命令:
./mvnw package
生成的 jar 文件可以在以下位置找到:
javaparser/javaparser-core/target/javaparser-core-<version>.jarjavaparser-symbol-solver-core/target/javaparser-symbol-solver-core-<version>.jar
如果您在 IDE 中查看源代码,最好先生成一些源文件,以避免在 IDE 中出现许多编译错误。(./mvnw clean install 命令已经为您执行了此操作)。
./mvnw javacc:javacc
如果修改了 AST 节点的代码,特别是添加或删除字段或节点类时,代码生成器会为您更新大量代码。run_metamodel_generator.sh 脚本将重新构建元模型,该元模型由代码生成器使用,由 run_core_generators.sh 脚本运行。确保在运行这些脚本之前 javaparser-core 至少可以编译。
注意:对于 Eclipse IDE,请按照 wiki 中描述的步骤操作:https://github.com/javaparser/javaparser/wiki/Eclipse-Project-Setup-Guide
3. 项目 API 使用文档
JavaParser 项目的 API 使用文档可以在项目的官方文档网站 JavaParser.org 找到,或者查看项目的 wiki 页面 https://github.com/javaparser/javaparser/wiki。
4. 项目安装方式
项目安装方式如下:
- 使用 Maven 或 Gradle 等构建系统添加项目依赖。
- 从 Maven Central 下载相应的 jar 文件。
- 从源代码编译并打包项目。
确保选择适合您项目的依赖管理和构建工具。
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 StartedRust099- 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
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00