Abator —— IBatis 代码生成工具

IT_ART IT_ART 博客等级 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 600+累计阅读 611平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要 码龄20年
关注
原创 最新推荐文章于 2026-05-16 20:56:02 发布 611 阅读 AI 写同款· GEO 优化 ›
abator for ibatis abator离线安装包，new Loacl Site 即可安装成功！ 注意：此版本为除去注释版本。 立即下载
文章出自：http://writeblog.youkuaiyun.com/PostEdit.aspx


对于IBatis应用最烦人的重复工作就是不停的写DAO，DTO，和xml文件里面的sqlmap，其实很多时候这些工作是重复而且无聊的。好在我们还有abator （http://ibatis.apache.org/abator.html ），一个IBatis自动生成工具，他可以帮助你生成大量的DAO，DTO和sqlmap。
如果你使用eclipse作为IDE那么事情就很简单了（相信没有几个人不在用）：
安装Eclipse插件
1. 要求eclipse3.1，jdk1.4以上
2. 在eclipse上安装abator插件
    eclipse菜单栏 --> help --> Software Updates --> Find And Install...
    在弹出的对话框中选择 “Search for new features to install” 然后点击 “next”
    在对话框中点击按钮 New Remort Site...  在弹出的对话框中的URL输入框中填写 http://ibatis.apache.org/tools/abator ，Name输入框就随便写些什么了。
    点击Finish，安装插件，然后重新启动eclipse

下面测试一下功能
1. 新建一个java工程
2. 在eclipse菜单栏中兴建一个 abator 配置文件
    File -->  Abator  for  iBatis Configration File

好的，我们完成了创建配置文件，下面打abator配置文件，看看里面怎么去配置
打开后内容基本上是这样

xml 代码
<?xml version="1.0" encoding="UTF-8"?>  
<!DOCTYPE abatorConfiguration PUBLIC "-//Apache Software Foundation//DTD Abator for iBATIS Configuration 1.0//EN"   
  "http://ibatis.apache.org/dtd/abator-config_1_0.dtd">  
  
<abatorConfiguration>  
  <abatorContext>    <!-- TODO: Add Database Connection Information -->  
    <jdbcConnection driverClass="???"  
        connectionURL="???"  
        userId="???"  
        password="???">  
      <classPathEntry location="???" />  
    </jdbcConnection>  
  
    <javaModelGenerator targetPackage="???" targetProject="???" />  
    <sqlMapGenerator targetPackage="???" targetProject="???" />  
    <daoGenerator type="IBATIS" targetPackage="???" targetProject="???" />  
  
    <table schema="???" tableName="???">  
      <columnOverride column="???" property="???" />  
    </table>  
  
  </abatorContext>  
</abatorConfiguration>  

你需要做的是替换一些???：
1. 填写driverClass（jdbc驱动，例如oracle的就是oracle.jdbc.driver.OracleDriver）
2. 填写connectionURL（连接字符串，例如oracle的就是jdbc:oracle:thin:@192.168.0.246:1521:test）
3. 填写classPathEntry的location（jdbc驱动jar包的位置，例如E:/project/ibatistest/WebContent/WEB-INF/lib/ojdbc14.jar）
4. 填写javaModelGenerator，生成的DTO（java model 类）
    targetPackage：目标包的位置，如 com.test.dto
    targetProject：目标工程名称，填写配置文件所在的eclipse工程名
5. 填写sqlMapGenerator ，生成的xml sqlmap的相关配置
    targetPackage：目标位置，如 com.test.sqlmap
    targetProject：目标工程名称，填写配置文件所在的eclipse工程名
6. 填写daoGenerator ，生成的DAO的相关配置
    type：生成的dao实现的类型，如果你使用spring的话写SPRING，否则写IBATIS
    targetPackage：目标位置，如 com.test.dao
    targetProject：目标工程名称，填写配置文件所在的eclipse工程名
7. 配置相关数据库的表
    schema：数据库schema，oracle就是填写数据库的用户名
    tableName：表名

xml 代码
<columnOverride column="???" property="???" />  


     可以先不用配置，删除就可以了

下面开始生成：
在配置文件上点解右键，选择 “Generate iBatis Artifacts”
OK，看看生成了什么吧！
收录于
技术天地

当前文章被收录于：

技术天地
1 篇文章 0 人学习
订阅专栏 查看详情
标签
#ibatis #工具 #eclipse #eclipse插件 #dao
#oracle
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
ibatis代码生成器 自动生成action- mapper层所有增删改查代码，使用方便简单 立即下载

相关推荐

ibatis代码自动生成

ibatis代码自动生成，ibatis代码自动生成，ibatis代码自动生成，ibatis代码自动生成

ibatis 工具 abator

Abator是一个用于iBATIS的代码生成器，它能够为iBATIS Sql Mapper(包括：SqlMap XML文件, Java domain classes, 和Java DAO classes)生成artifacts。  1. 介绍 Abator 是一款iBATIS代码生成工具。它从数据库获取信息，然后产生如下文件。 1) 数据库表的SqlMap.xml file 文件，如UserS...

suliangyi11的博客 215

ibatis代码自动生成代码程序

ibatis代码自动生成代码程序，有现成的例子，只要将配制文件中的数据库连接连接和数据库表名、实体类名、包名修改在你想要的就可以，1分钟内搞定，实体类。

使用abator配置iBatis，管理数据库（以MySql为例）

参考： http://blog.youkuaiyun.com/watson243671/archive/2010/01/02/5122385.aspx 帮助文档： http://ibatis.apache.org/docs/tools/abator/ 相信很多的朋友对使用iBatis管理数据库很不习惯，因为我们要手写代码，特别是dynamic query部分更是不知如何嵌套，而这些是可以用工具...

Watson的码步 199

使用Eggjs做服务端获取微信小程序云开发数据库的access_token

最近自己想写了一个微信小程序，恰巧里面有个云开发，恰巧里面有个数据库，那懒人的我，就直接用云开发里面的数据库了，做测试或者正式也好，对于刚开始来说，免费的配额是够用的。 后来想到在小程序云开发上面的数据怎么看才方便？刚好微信小程序有一个服务端API，那就方便很多了，那就直接敲个服务端来获取云开发上数据库的数据出来到自己的后台上面，那以后管理起来也方便很多。 看了一下服务端api之后，发现有三个重要...

kalenE992的博客 1705

2017阿里内推笔试题--算法工程师(运筹优化)

2017阿里内推笔试题–算法工程师(运筹优化)题目沐哲是一个菜鸟仓库的一个拣货员，但他有非常个怪异的习惯。每次拣货的重量都要比之前拣的一个轻，每次拣到货后都可以得到1块钱，沐哲想知道这样最多能赚多少钱 32 34 7 33 21 2 13 12 3 11 26 36 16 30 22 1 24 14 20 23 25 5 19 29 27 15 9 17 31 4 6 18 8 10 3

shawpan的专栏 1万+

【转】Ibatis代码自动生成工具——Abator安装与应用实例（图解）

  Abator 能自动生成DAO,DTO和sqlMap，大大提高开发效率。Abator 的官方网站：http://ibatis.apache.org/ibator.html 使用也比较简单，以下做个实例来介绍：   一、环境准备 我的环境：Eclipse SDK  Version: 3.5.2                JDK1.6                Oracle9...

iteye_12651的博客 833

微信小程序转化数据API自归因实战：PHP实现与2025升级要点解析

本文详细解析了2025年微信小程序转化数据API自归因的升级要点与PHP实战实现。核心变化包括接口地址更新、固定access_token的获取方式，以及新增timestamp与nonce等安全参数。文章提供了完整的PHP代码示例，帮助开发者高效完成数据上报，优化腾讯广告投放效果。

git9versioner的博客 989

Ibatis代码自动生成工具——Abator安装与应用实例（图解）

Abator 能自动生成DAO,DTO和sqlMap，大大提高开发效率。Abator 的官方网站：http://ibatis.apache.org/ibator.html使用也比较简单，以下做个实例来介绍：一、环境准备我的环境：Eclipse SDK  Version: 3.5.2               JDK1.6               Oracle9i二、插件安装1、点击"Help>Install New Software"  2、点击【Add】，输入Name:  Abator for Ec

码疯的专栏 1万+

openvpn 安装 (Alibaba Cloud Linux release 3 (Soaring Falcon))

1.错误：configure: error: libnl-genl-3.0 package not found or too old. Is the development package and pkg-config (/usr/bin/pkg-config) installed?# ta.key在/etc/openvpn/server/目录下可以如下配置，否则需要写完整路径。# 配置账号密码登录客户端需要ca证书（可选）# 证书校验算法 配置上面生成的完整路径。# ca证书 配置上面生成的完整路径。

dubhe_zhao的博客 2148

上海市大数据中心笔试模拟试卷

为帮助考生熟悉上海市大数据中心笔试的题型、考点及答题逻辑，以下整理了一份的模拟试卷，涵盖大数据专业知识、行政职业能力测试（行测）、公共基础知识（含上海本地政策）三大核心模块，并附详细答案解析。

一叶之秋的博客 1815

ibatis代码生成工具abator使用全过程

对初接触者来说，到底如何开始使用abator，资源比较少，本文记载了我今日初次使用的过程，希望对和我一样的初学者有所帮助.1、获得      http://ibatis.apache.org/abator.html     Eclipse可以自动的进行Update获取此Plugin，官方的安装步骤. If youve already installed a prior version o

tanlier1的专栏 3920

SVN使用：使用TortoiseSVN遇到提示请执行“清理”命令的解决方法

作为程序员来说，在团队开发过程中关于代码管理的工具使用并不陌生，比较常用的代码合并管理工具如：Git、SVN等，虽然相关工具的使用并不复杂，但是还是要掌握常用的使用方法，尤其是相关的第三方软件的使用也是极为重要的，而且有时候使用这些三方软件来进行代码管理的时候也会遇到一些问题。本篇博文就来分享一下在SVN使用的时候使用TortoiseSVN遇到提示请执行“清理”命令的解决方法，方便查阅使用。

全沾软贱开发攻城狮 1万+

使用iBatis的自动化代码生成工具Abator

原来还不知道iBatis也有像Hibernate类似的自动化代码生成工具,今天找到Abator这工具也挺不错的,在ecelipse上面小试了一把:1.获得Abator      http://ibatis.apache.org/abator.html      Eclipse可以自动的进行Update获取此Plugin，具体见官方的安装步骤2.安装好后将在New菜单中看到一个新的文件类型Aba

HouYing 1330

铁路场景雷达点云目标识别与追踪系统

本文介绍了一种基于毫米波雷达的铁路货运车站安全监控系统。该系统采用分布式架构，通过多个毫米波雷达节点采集点云数据，经过坐标转换、多雷达融合等处理后，利用机器学习算法实现列车、行人等目标的实时识别与追踪。系统包含数据采集层、处理层、目标识别层、追踪层、预警决策层和可视化层，能够克服传统视频监控受环境影响大的缺点，实现全天候可靠监测。文中详细展示了雷达数据解析和点云预处理的代码实现，包括坐标转换、数据格式解析和体素网格滤波等关键技术。该系统可有效预警铁路场景下的碰撞风险，提升货运车站的安全管理水平。

huanghm88的专栏 125

2026 年 3 月青少年软编等考 C/C++ 三级测试题解析

摘要 本文包含三部分内容： 单选题（10题）：考察C++基础语法和数据结构知识，涉及vector、栈、队列的操作和特性。 判断题（10题）：测试对动态数组、栈、队列、字符串操作的理解，包括内存管理、访问方式和函数返回值等。 编程题（1题）：模拟火车站售票窗口排队场景，要求根据输入输出各窗口的排队情况，重点考查队列的实际应用和边界条件处理。 答案解析详细，涵盖常见编程考点，适合检验基础知识的掌握程度。

发布少儿编程考级的真题和优秀竞赛题解析，以及一些讲义。 251

Abator —— IBatis 代码生成工

Abator —— IBatis 代码生成工 Abator iBATIS简介： 使用ibatis 提供的ORM机制，对业务逻辑实现人员而言，面对的是纯粹的Java对象， 这一层与通过Hibernate 实现ORM 而言基本一致，而对于具体的数据操作，Hibernate 会自动生成SQL 语句，而ibatis 则要求开发者编写具体的SQL 语句。相对Hibernat

zzjjiandan的专栏 754

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

Abator_Eclipse下Ibatis代码生成工具

使用Abator工具来自动生成iBatis代码：1.安装  1.1.下载安装        首先,下载Abator插件,其Abator下载地址为： http://people.apache.org/builds/ibatis/alpha/AbatorForEclipse1.0.0.zip       其次,将插件使用link方式将其安装到Eclipse中,也可以进行Find And

bigspring1984的专栏 2269

IDEA的使用指南

IDEA基于java的使用手册,可以最快速的上手,在使用中不断的丰富自己的使用技巧.

文档：亲测可用解决vnc灰屏，黑屏，鼠标大黑叉情况

主要解决vnc-viewer灰屏，黑屏，鼠标大黑叉等现象，详细见文档。

Abator代码生成工具 - -Eclipse下Ibatis|Mybatis代码生成工具 利器

使用Abator工具来自动生成iBatis代码： 1.安装   1.1.下载安装         首先,下载Abator插件,其Abator下载地址为： http://people.apache.org/builds/ibatis/alpha/AbatorForEclipse1.0.0.zip        其次,将插件使用link方式将其安装到Eclipse中,也可以进行Find A

Hurry的专栏 1万+

C# WinForm 基于DirectShow.dll编写的程序，可边预览边保存视频，音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择（默认选中第一个）2.可录制wmv和avi两种格式的视频并且都带有音频，avi可以录制的分辨率和帧数进行选择，wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照，也可边录制视频边拍照4.添加了视频和音频的压缩功能（酌情使用）这次二次开发发现C#对DirectShow的相关信息太少，这次做完也不敢藏私共享出来，还望大家指正

如何在Eclipse中使用ibatis的自动代码生成工具Abator

对初接触者来说，到底如何开始使用abator，资源比较少，本文记载了我今日初次使用的过程，希望对和我一样的初学者有所帮助获得      http://ibatis.apache.org/abator.html     Eclipse可以自动的进行Update获取此Plugin，官方的安装步骤Automatic Eclipse InstallIf youve already install

我的世界我的梦 2545

IBatis 代码生成工具 Abator

对于IBatis应用最烦人的重复工作就是不停的写DAO，DTO，和xml文件里面的sqlmap，其实很多时候这些工作是重复而且无聊的。好在我们还有abator （http://ibatis.apache.org/abator.html ），一个IBatis自动生成工具，他可以帮助你生成大量的DAO，DTO和sqlmap。如果你使用eclipse作为IDE那么事情就很简单了（相信没有几个人不在用）：...

“因举报被劝退”学生：我愿做出头鸟 256

ibatis - 自动代码生成工具abator 使用介绍

本文轻松的让你根据数据库表生成通过ibatis访问数据库的相关代码一、获得      http://ibatis.apache.org/abator.html二、下载以后解包到目录      D:/abator-0.6.5-124          /abator.jar          /abator-src.zip三、配置文件      新建一个配置文件config.xml，内容如下：  "

首席技术执行官CTO(Chief Technology Officer)|技术总监--邓斌博客 3480

ibatis 代码生成工具abator

用过ibatis的人都知道重复代码超多，现奉上代码生成器一个。 eclipse要更新http://ibatis.apache.org/tools/abator 主要配置如下: &lt;?xml version="1.0" encoding="UTF-8" ?&gt; &lt;!DOCTYPE abatorConfiguration PUBLIC "-//Apache Software Fo...

IT民兵 165
上一篇： 学习编程的最佳方向!
点赞 0
评论 0
书签 书签 0
IT_ART
IT_ART
博客等级 码龄20年 7粉丝 9原创
+ 关注 专栏目录 订阅专栏
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值