SharpDevelop--一款很不错的.NET开发工具

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 2.1k累计阅读 2.2k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22年

关注

原创最新推荐文章于 2025-11-24 11:43:17 发布 2.1k 阅读 AI 写同款· GEO 优化 ›

SharpDevelop源码分析 (一、序+基本概念) 序最近开始学习.Net，遇到了一个比较不错的开源的IDE SharpDevelop。这个开发工具是使用C#开发的，比较吸引我的一点就是它是采用了和Eclipse类似的插件技术来实现整个系统的。而这个插件系统是我最感兴趣的地方，因此开始了一段代码的研究。在本篇之后，我会陆续把我研究的心得写下来。由于是在网吧上网，有诸多不便，因此可能会拖比较长的时间。一、基本概念首先，我们先来对 Sh 阅读详情

一款无论用户界面还是辅助功能都可以与Microsoft Visual Studio .NET一决高下的.NET集成开发环境。她完全开放源代码，不失为一个集学习和开发于一体的优秀软件。

可以在http://sourceforge.net/project/showfiles.php?group_id=17610&package_id=117376下载到源代码和二进制可执行文件。目前最新的版本是1.1.0.2188版,安装还是很简单的，只要按照提示点下去就OK了，1分多钟就能装完，比起VS.NET2003来要快很多了（因为不包含安装.NET Framework和SDK，当然要能运行程序，这两样东西要事先装好的），打开后，感觉样子和VS.NET2003差不多。下图是IDE界面:

很爽吧:)

她的官方网站是:http://www.icsharpcode.net/。

收录于

1. Dot NET

当前文章被收录于：

1. Dot NET

5 篇文章 0 人学习

订阅专栏查看详情

当前文章被以下社区和专栏收录：

标签

#.net开发工具 #microsoft #.net #ide

【存储原理】IO超时处理块层block-scsi层之间阅读详情

相关推荐

安装Tailscale

如果返回 /usr/bin/tailscale 或类似路径，说明已安装但 sudo 可能找不到它。如果 which tailscale 没有输出，说明安装失败，重新执行安装步骤。Tailscale 的后台服务 tailscaled 必须运行。检查 tailscaled 服务是否运行。检查 tailscale 命令是否存在。

FairLikeSnow的博客 1470

SharpDevelop的安装与配置

保姆级SharpDevelop安装配置教程。

boliang319的专栏 4868

PCB设计实践(三十二）PCB设计遇到大电流时的设计技巧

本文系统阐述10A至数百安培PCB设计的六大关键技术。载流能力优化强调铜厚选择（2-4oz）、线宽计算及并联结构；热管理提出散热孔阵列、铜基板嵌入等方案；布局策略包括功率分区和低阻抗路径设计；材料工艺推荐铝基板、陶瓷基板等高效解决方案；安全设计涵盖电气隔离与保护电路；验证环节需结合热仿真与实测。典型150A电机驱动板案例显示，通过4oz铝基板、散热孔阵列等设计，可实现温升≤45℃的稳定运行。核心在于铜厚线宽协同、主动散热及严格验证。

致力于硬件设计、人工智能知识及技术的分享，不断鞭策自己成长，共同进步！ 4229

【C#】SharpDevelop使用教程，C#写windows下第一个窗口程序，简单粗暴，初学者进，全图文，一看就明白

VS不说，功能强大，但是挺大。下面，来说说轻量级IDE来写一个简单的windows程序。首先，下载，不说了，最新版本5.x需要.net4.x支持，需要先安装.net framework 4.x框架。（版本控制此文不做其他说明，自己多做做功课）下载好了安装。都不说。装好了双击打开。进入。。。一进来是这样，然后第一步切换语言， TOOLS-->option 正式开始

capricornce的博客 2万+

Altium Designer20 PCB板子绘制

版层 top layer 顶层 bottom layer 底层设置板子大小布局过孔 top layer层连到bottom layer层。通过via连接。设置线宽在design rules里可以设置线宽。右键new rule 可以新增线宽，电源设置成20mil 还可以设置很多其他的线宽修改安全距离安全距离太短容易出现毛刺，然后短路，一般设置成20mil 修改元器件旋转角度修改rotation step，每次旋转45°。修改光标大小下面的cursor type是修改光标

及时总结 2581

恒玄BES调试笔记-BES2500如何打开COMPEXP

打开Compressor and expander会占用资源，这个根据个人项目需求而定吧！打开方法，以及参数修改如下： config\best2300a_ibrt_anc\target.mk SPEECH_RX_COMPEXP ?= 1 apps\audioplayers\bt_sco_chain_cfg_default.c #if defined(SPEECH_RX_COMPEXP) /*****************************************************

leezs的博客 706

SharpDevelop 开发WPF教程

最近写项目需要用到windows GUI开发，想到的第一个框架是QT。可是对方需要软件在XP运行，QT5.X写的桌面程序无法直接在XP主机运行，还需要一些额外的包装和操作。加上看QT教程，感觉从配置和教程都略微复杂，就放弃了，转用别人介绍的WPF。一.WPF框架介绍： WFP的全称是Windows Presentation Foundation，你可以把它翻译成“微软呈现基础”。是微软推出的基

xiangxianghehe的博客 7887

[QMT量化交易小白入门]-105、震荡市最适合的策略：ETF多标的动态网格策略，回测年化收益47.81%

本专栏主要是介绍QMT的基础用法，常见函数，写策略的方法，也会分享一些量化交易的思路，大概会写200篇左右。QMT的相关资料较少，在使用过程中不断的摸索，遇到了一些问题，记录下来和大家一起沟通，共同进步。

木头大左的博客 2062

SharpDevelop 简介

最近开始学习.Net，遇到了一个比较不错的开源的IDE SharpDevelop。这个开发工具是使用C#开发的，比较吸引我的一点就是它是采用了和Eclipse类似的插件技术来实现整个系统的。而这个插件系统是我最感兴趣的地方，因此开始了一段代码的研究。在本篇之后，我会陆续把我研究的心得写下来。由于是在网吧上网，有诸多不便，因此可能会拖比较长的时间。 一、基本概念 首先，我们先来对 SharpDevelop 有一个比较感性的认识

甜筒八部的专栏 2678

CD-SSB和NCD-SSB相关内容

NR中，PSS/SSS 和PBCH总是绑定的，因此也称为SSB block。频域由下往上，第121个SC（k = 120）的中心频率，就是SSB的GSCN对应的SSREF（同步参考频率）的出处如上，同步栅格映射到SSB 的RE位置是10个PRB的位置，然后指向RE index 0，即第121个子载波的中心频率；UE获得N_offset_GSCN后，即可结合当前SSB的GSCN推算下一个SSB的GSCN =N_Reference_GSCN（当前SSB的GSCN） + N_offset_GSCN。

asd199086的博客 3429

07 Zabbix 微信告警

Zabbix 微信告警 1.注册企业微信企业微信注册地址：https://work.weixin.qq.com 2.进入企业微信后台管理 2.1 添加微信成员 2.2创建应用 2.3 获取四项数据（1）AgentID (2) Secret (3) 企业ID （4）部门ID 3.Zabbix Server配置 3.1确认脚本目录 # grep alertscripts /etc/zabbix/zabbix_server....

Jian Sun_的博客 1297

【亲测免费】探索SharpDevelop：一个强大的开源IDE平台

探索SharpDevelop：一个强大的开源IDE平台是一个专为.NET Framework和.NET Core设计的开放源代码集成开发环境（IDE），它由IC#Code团队维护，提供了一整套用于创建、测试和调试C#、VB.NET以及其他.NET语言的应用程序工具。项目简介 SharpDevelop的核心目标是为开发者提供一个自由、灵活且易于扩展的工作台，与商业IDE相比，它不仅具备类似的功能...

gitblog_00019的博客 1457

opencv案例实战——银行卡模式匹配识别

在之前的几篇文章中我们已经介绍了opencv的一些基础知识，本篇文章我们将结合一个案例运用之前的知识并且学习opencv中模式匹配的应用，用到的知识点如果有不清楚的可以查看上面列出来的系列文章。具体代码会放在最后。

艾醒的博客 1339

SharpDevelop

SharpDevelop是一个DotNet平台下的免费的工具，支持C#和VB.NET。安装文件只有8M多点，而且开源的。如果是偶尔拿C#练练手，或者是想随便开发点小工具，或者是除了单位以外还想在家里安装一个C#开发IDE，都足够用了。 http://www.icsharpcode.net/OpenSource/SD/Download/

::: 移动互联网时代开发者 ::: 2047

NTscan扫描工具

ntscan是一个扫描器，可以扫描没有密码和弱密码的共享，先到配置文件中填写猜测的用户名和密码，扫描过程中右侧出现的是扫描日志。

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")

用SharpDevelop3调试ASP.NET的方法

最近下载了SharpDevelop，感觉各方面都不错，唯一的缺憾是不能调试ASP.NET。经过几番搜索和试验，终于发现了用它调试ASP.NET的方法。 SharpDevelop现在已经支持创建ASP.NET项目，虽然很多文件类型的编辑器还没有，比如JavaScript，CSS等，但是我觉得这些都不是最重要的，最重要的是要能够进行调试，调试才是开发中的重中之重啊。新建一个ASP.NET项目，如...

weixin_34326179的博客 1376

android 蓝牙通讯demo

android 下蓝牙通讯demo，实现了发现蓝牙，使能蓝牙，通过蓝牙发送消息。

推荐个C#不错的开发工具(新版本SharpDevelop)

2000年就出的,年前SharpDevelop团队刚推出了新的版本,,多语言支持的,短小精悍,功能虽然不能和VS.NET比较,但对数据库(DatabaseBrowser,DatabaseDesigner,DbTools等等)有支持了,很实用,其他更新的和加载的功能还我还没仔细去看,不费话,大家可以去看看下载地址:http://www.icsharpcode.net/OpenSource/SD/Do...

weixin_30713953的博客 522

汉书HE8，好用的汇编代码编写工具

汉书HE8，好用的汇编代码编写工具早期编写汇编代码所用功能强大

开源的.Net IDE ：SharpDevelop

在网上闲遛时，发现一个非常棒的.Net IDE。呵呵，好东西不敢独享。这就是SharpDevelp。官方网站是http://www.icsharpcode.net/，安装包大小5.3M，源码大小为11M左右。或许Coder们对它最大的兴趣就是研究其代码机制吧。呵呵。废话也就不多讲了。我们先看她的界面。SharpDevelop对VS.Net的模拟算是非常高的了。首先是IntelliSen

OneDotRed的专栏 4983

sharpdevelop mysql_SharpDevelop + MySql | 学步园

Vista + VS 2005 + Oracle 10g开发环境，内存使用1.5G，系统速度终于让人受不了了。还没有用VS 2005调试，因为NUnit + log4net可以方便的测试和debug。code generator做一个MySql生成脚本，建立MySql数据库，把开发环境换成SharpDevelop + MySql，内存使用700M左右，总算好多了。MySql内存4M不到，Sharp...

weixin_31832681的博客 210

SharpDevelop2.2试用手记

SharpDevelop2.2试用手记陈能技2008-1-2 今天下载了个SharpDevelop，因为实在不想装个庞大的VS.NET2005，也不想忍受长时间的安装过程。试用感觉还不错，安装后也就30多M。 SharpDevelop支持C#、VB.NET、Boo项目的创建，并且支持三者之间的代码转换。项目的文档结构与VS.NET的IDE提供的基本一致。 Sharp

软件质量优化 2163

SharpDevelop进阶（1）

最近买了一个surface pro 64G版，很是开心，不过唯一的不足是剩余的空间太小了，升级到windows 8.1后只有25G，所以对于.NET开发人员来说，把VS+SQLSERVER安装上几乎是不可能了（补丁就很大），因为还要装一些其他的应用什么的就肯定不够用了，好在不是用它来做开发，只是想没事的时候用来学习一下也不错，那么就装一款轻量级的开发工具吧。首先我装的是Notepad...

221

SharpDevelop 用来临时在服务器上写Web服务很不错。

今天要临时在服务器写一个Web服务，正好自己工作的笔记本又没带。没有开发环境。如果要下载VS那个上G的安装文件下载又要半天，安装又是半天。我准备直接使用Dreamweaver写ASP.NET版本的Web服务，可惜直接手动写代码在导入类库上比较繁琐。直接写ASP版本的Web服务也不方便，毕竟最终部署的时候不想把源代码可见。后来想起来SharpDevelop这个工具，看了简介可以做ASP.NET开发...

weixin_30322405的博客 232

SharpDevelop的安装及简单配置

SharpDevelop的安装及简单配置一、安装源下载 1、SharpDevelop下载地址： http://sourceforge.net/projects/sharpdevelop/ 当前最新的版本为：SharpDevelop_4.2.1.8805_Setup.msi 2、Microsoft .NET Framework 4（独立安装程序） http://www.m...