IDEA 之代码神器插件Easycode

IDEA集成EasyCode插件,快速生成自定义mybatisplus代码 idea使用easycode插件自定义生成代码规则 阅读详情


Easycode是IDEA的一个插件,可以直接对数据的表生成 entity、controller、service、dao、mapper无需任何编码,简单而强大。

1、安装(EasyCode)

在这里插入图片描述

2、建立数据库

DROP TABLE IF EXISTS `user`;
CREATE TABLE `user` (
  `id` int(11) NOT NULL,
  `username` varchar(20) DEFAULT NULL,
  `sex` varchar(6) DEFAULT NULL,
  `birthday` date DEFAULT NULL,
  `address` varchar(20) DEFAULT NULL,
  `password` varchar(20) DEFAULT NULL,
  PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;
SET FOREIGN_KEY_CHECKS = 1;

3、在IDEA配置连接数据库

首先新建一个SpringBoot项目。

在IDEA中的Database中配置连接数据库。
在这里插入图片描述

jdbc:mysql://localhost:3306/test?serverTimezone=UTC

在这里插入图片描述
可以在IDEA中查看数据库表了。
在这里插入图片描述

4、开始生成代码

找到想生成的表,然后右键。如下图:
在这里插入图片描述
选择你要将生成的代码放入哪个文件夹中,并选择需要生成的代码选项,选择完以后点击OK即可。
在这里插入图片描述

5、pom.xml

<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter</artifactId>
</dependency>

<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-web</artifactId>
</dependency>

<dependency>
    <groupId>org.projectlombok</groupId>
    <artifactId>lombok</artifactId>
    <optional>true</optional>
</dependency>

<!--热部署-->
<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-devtools</artifactId>
    <optional>true</optional> <!-- 这个需要为 true 热部署才有效 -->
</dependency>

<!--mybatis-->
<dependency>
    <groupId>org.mybatis.spring.boot</groupId>
    <artifactId>mybatis-spring-boot-starter</artifactId>
    <version>1.3.2</version>
</dependency>

<!-- mysql -->
<dependency>
    <groupId>mysql</groupId>
    <artifactId>mysql-connector-java</artifactId>
    <version>5.1.47</version>
</dependency>

<!--阿里巴巴连接池-->
<dependency>
    <groupId>com.alibaba</groupId>
    <artifactId>druid</artifactId>
    <version>1.0.9</version>
</dependency>

6、Application.yml

server:
  port: 8080
spring:
  datasource:
    url: jdbc:mysql://localhost:3306/test?serverTimezone=UTC&useUnicode=true&characterEncoding=UTF-8
    username: root
    password: 123456
    type: com.alibaba.druid.pool.DruidDataSource
    driver-class-name: com.mysql.jdbc.Driver

mybatis:
  mapper-locations: classpath:/mapper/*Dao.xml
  typeAliasesPackage: com.demo.entity

7、启动项目

在启动项目之前,我们需要先修改两个地方。
(1)在dao层加上@Mapper注解
在这里插入图片描述
(2)在启动类里面加上@MapperScan("com.demo.dao")注解
在这里插入图片描述

8、测试

http://127.0.0.1:8080/user/selectOne?id=1
在这里插入图片描述

自定义模板

例如,如果想在生成的 dao 层代码中,额外添加一个不需要任何条件,获取所有数据的方法(默认的生成模版中没有这个方法)。
点击 File->Settings->Easy Code->Template Setting:

参考工具自己的定义方式,在dao.java 中,添加如下方法:

/**
 * 查询所有数据
 *
 * @param $!tool.firstLowerCase($!{tableInfo.name}) 实例对象
 * @return 对象列表
 */
List<$!{tableInfo.name}> getAll();

在这里插入图片描述
然后再给它添加一个配套的 mapper.xml ,添加如下方法:

<select id="getAll" resultMap="$!{tableInfo.name}Map">
    select
      #allSqlColumn()
    from $!{tableInfo.obj.parent.name}.$!tableInfo.obj.name
</select>

配置完成后,点击 OK。

参考:
https://mp.weixin.qq.com/s/GulwvIS3MEl9Gool7ZZgUg
https://mp.weixin.qq.com/s/ij3x3UyAamvvyb9VE4qz-A

研发提效神器-EasyCode自动生成代码(超详细) EasyCode超详细教程,开发偷懒神器 阅读详情

相关推荐

EasyCode和Lombok插件的使用,一键生成所需代码(两大代码神器)

Easycode是idea的一个插件,可以直接对数据的表生成entity(实体类层)、controller(控制层)、service(业务层)、dao(dao层)、mapper(mapper文件)无需任何编码,简单而强大。懒人必备呀! Lombok能通过注解的方式,在编译时自动为实体类中的属性生成构造器、getter/setter、equals、hashcode、toString方法 。效果是在源码中没有getter和setter方法,但是在编译生成的字节码文件中有getter和setter方法。

程序员小王的博客 6420

一个小时肝了一周的需求,看我如何使用EasyCode完成封神

前言 你想要一小时搞定一周的需求吗?你想要每天可以开心划水、按时下班吗?有了它,再也不用搬砖写注释重复搬砖搬到头大了。 EasyCode是基于IntelliJ IDEA Ultimate版开发的一个代码生成插件, 主要通过自定义模板(基于velocity)来生成各种你想要的代码。 通常用于生成Entity、Dao、Service、Controller。如果你动手能力 强还可以用于生成HTML、JS、PHP等代码。理论上来说只要是与 数据有关的代码都是可以生成的。 可以不用敲一句代码,就可以完成这种

阿星君 932

【好物推荐】IDEA插件介绍之EasyCode 插件介绍

EasyCode 是一款用于 IntelliJ IDEA 的代码生成插件,它提供了丰富的模板选项,可以生成单元测试代码以及其他常用代码片段。EasyCode 的核心功能在于它的自定义模板,使得生成的代码更加符合项目规范和编码风格。EasyCode 是一款针对 IntelliJ IDEA 的代码生成插件,它支持自定义模板,不仅能够生成单元测试代码,还可以生成其他常用的代码片段。通过 EasyCode,开发者可以大大提高编码效率,并确保生成的代码符合项目规范和编码风格。定义技术中涉及的专业术语:优点:缺点:这项

奶爸的编程之路,也就一周冷个三天 698

EasyCode插件使用详解

EasyCode插件使用详解

qq_40029645的博客 5319

从网口变压器到TVS管:手把手设计通过4KV浪涌的以太网电路

本文详细解析工业级以太网接口4KV浪涌防护设计,从网口变压器选型到TVS管布局,提供通过IEC61000-4-5标准测试的完整方案。重点介绍Bob Smith电路优化和PCB设计技巧,帮助工程师有效应对雷电感应和设备开关瞬态干扰,确保工业设备稳定运行。

study的专栏 284

Unity程序化河流生成工具Waterways:从算法到实践的全流程解析

程序化内容生成(PCG)是游戏开发与三维建模领域的关键技术,它通过算法自动创建游戏内容,显著提升开发效率。其核心原理是将设计规则转化为可执行的代码逻辑,从而生成复杂、多样且符合自然规律的环境资产。在开放世界游戏和模拟经营类项目中,程序化生成技术能够快速构建大规模、高一致性的自然场景,如山川、森林与水体网络。Unity引擎作为广泛使用的开发平台,其地形系统与着色器管线为程序化工具的集成提供了强大基础。本文聚焦于利用Waterways这一Unity工具集,深入探讨如何通过模拟重力驱动、流量累积等自然水力原理,在

weixin_33690963的博客 684

EasyCode-MybatisCodeHelper(Idea插件代码生成神器)

EasyCode-MybatisCodeHelper(Idea插件代码生成神器) 提示:EasyCode是代码生成神器,EasyCode-MybatisCodeHelper是为了和MybatisCodeHelper兼容的插件。 1.安装 方法一:打开idea,一次到开File–Settings–Plugins搜索插件“EasyCode-MybatisCodeHelper"。 方法二:到idea官网下载插件,然后在idea中离线安装插件。 官网下载地址 2.在idea中配置数据源 配置mysql数据源步骤

cndn190的博客 1万+

自适应粒子群优化(Adaptive Particle Swarm Optimization,APSO

下面是一个关于自适应粒子群优化(Adaptive Particle Swarm Optimization,APSO)的博客,希望可以帮助您。提示:以下是本篇文章正文内容,下面案例可供参考在上面的代码中,表示粒子的数量,表示解空间的维度,表示迭代次数,表示优化的目标函数。在__init__方法中,我们初始化了粒子群的位置和速度,并将每个粒子的位置作为其最优解,将其适应度值初始化为正无穷。我们还初始化了学习因子和惯性权重的参数。在run方法中,我们迭代了次,计算每个粒子的适应度值和最优解。

weixin_52026057的博客 9915

idea整合easycode插件 (代码神器)

IDEA 整合EasyCode插件 (代码神器) 参考网址: https://mp.weixin.qq.com/s/WLn7oS8XCGspwAfM2gHoAA Easycode是idea的一个插件,可以直接对数据的表生成entity,controller,service,dao,mapper,无需任何编码,简单而强大。 1、安装(EasyCode) 2、建立数据库 -- ---------------------------- -- Table structure for user -- -----

java技术博客 623

Zephyr RTOS线程间通讯实战:消息队列与信号量的5个经典应用场景

本文深入探讨了Zephyr RTOS中线程间通讯的核心机制,通过消息队列与信号量的组合,详细解析了传感器数据处理流水线、命令分发系统、日志记录、资源池管理以及周期性任务协同调度等5个经典应用场景。这些实战模式为构建高效、稳定且可维护的嵌入式多线程系统提供了清晰的设计蓝图和代码范例。

tomato的博客 94

华为OD机试真题 新系统2026-04-01 C语言 实现【计算数列位置N的值】

1、输入M、N两个数,则按照以下规则形成一个数列; 2、数列的前M个元素的值为1到M; 3、从M+1个元素开始,计算的逻辑为: 如果其前面的M个元素中,存在值相同的元素,则该位置上的数值等于前面M个数中最大的数值与最小的数值之如果其前面的M个元素中,不存在值相同的元素,则该位置上的数值等于前面M个数中最大的数值与最小的数值之差;

MISAYAONE的博客 589

懒人神器,IDEA插件之EasyCode,自动生成CRUD代码

目录一:下载EasyCode插件二:使用IDEA连接数据库三:测试连接成功后,可以配置一些生成代码的注释四:生成代码五:生成后的代码结构六:注意事项:需要手动添加@mapper或@mapperScan注解 一:下载EasyCode插件 二:使用IDEA连接数据库 三:测试连接成功后,可以配置一些生成代码的注释 四:生成代码 可以根据自己的需要生成对应的类 点击ok后生成 五:生成后的代码结构 六:注意事项:需要手动添加@mapper或@mapperScan注解 ...

JasonZhang1416的博客 1172

免ROOT、不刷机、不依赖Xposed实现Android改机的思路

最近在一个项目中需要模拟多种Android设备的环境。无奈市面上的大部分改机工具,要么需要ROOT权限,要么依赖Xposed,甚至还得重启设备。为了实现更灵活、更干净的改机方式,我开始了漫长的技术探索,最终找到了免ROOT、不刷机、拒绝Xposed的实现路径。Android_IDIMEI手机序列号手机型号、品牌、CPU型号等硬件信息GPS位置、Wi-Fi参数、通话记录、短信等软硬件数据这些信息通常用于标识设备唯一性,而改机就是对这些标识数据进行模拟或篡改。

代码简单说 Vue、JAVA、PHP、Node.js 熟练运用,接口、架构、性能全搞定。 2668

boot idea无法识别spring_IDEA插件EasyCode(自动生成代码神器)

点击上方蓝字关注并置顶公众号,每天第一时间获取最新干货知识 前言Easycode是idea的一个插件,可以直接对数据的表生成entity,controller,service,dao,mapper,无需任何编码,简单而强大,开发必备神器。文档:https://gitee.com/makejava/EasyCode/wikis/p...

weixin_39571938的博客 443

产品缺陷检测:表面缺陷检测_(1).产品缺陷检测基础理论

确定像素之间的相似性准则,如灰度值的差异。

zhubeibei168的博客 832

AI测试实战:手把手教你做LLM(大模型)性能测试「含完整代码」

大模型API性能测试是评估模型服务响应能力、吞吐量和资源效率的关键手段。核心指标包括总响应时间、吐字率、首token延迟、输入/输出tokens数量、QPM等。测试流程涵盖构造负载、并发请求、数据采集和指标计算。优化建议针对吐字率低、首token延迟高、QPM偏低等问题,从模型、硬件、系统等多层面提出解决方案。

blues_C的博客 1431

golble mapper 可以将dsm生成demm_IDEA插件EasyCode(自动生成代码神器)

点击上方蓝字关注并置顶公众号,每天第一时间获取最新干货知识 前言Easycode是idea的一个插件,可以直接对数据的表生成entity,controller,service,dao,mapper,无需任何编码,简单而强大,开发必备神器。文档:https://gitee.com/makejava/EasyCode/wikis/p...

weixin_39639514的博客 923

efm32 入门.pdf

本PDF共计22页,介绍的是操作驱动API,下载与否自己斟酌。

idea数据库与2网页的连接_恕我直言,有了EasyCode这款神器级IDEA插件,你可能只需要写30%的代码......

作者:HeloWxl出自:简书原文:EasyCode(代码神器)EasyCode是基于IntelliJ IDEA开发的代码生成插件,支持自定义任意模板(Java,html,js,xml)。只要是与数据库相关的代码都可以通过自定义模板来生成。支持数据库类型与java类型映射关系配置。支持同时生成生成多张表的代码。每张表有独立的配置信息。完全的个性化定义,规则由你设置。1、安装(EasyCode)我这...

weixin_40009099的博客 110

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")

蓝牙模块HM-10手册

蓝牙模块HM-10手册,该手册对蓝牙模块HM-10进行了详细的介绍和使用方法以及一些AT指令。

idea mybatis插件_SpringBoot整合Mybatis与EasyCode(快速开发神器)

1. SpringBoot整合Mybatis此处SpringBoot整合Mybatis是xml形式的整合,注解整合点我1.1 新建boot项目并导入依赖,依赖如下org.mybatis.spring.bootmybatis-spring-boot-starter2.0.0com.alibabadruid-spring-boot-starter1.1.10mysqlmysql-connector-j...

weixin_39637370的博客 281

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

代码神器------Easycode

昨天搞了一天Generatoar,虽然也能生成代码,但是非常的麻烦,要各种配置,如果对maven和Genertaoar属性不熟悉,相信会出各种bug。好了,话不多说,下面开始介绍Easycode Easycode是idea的一个插件,可以直接对数据的表生成entity,controller,service,dao,mapper,无需任何编码,简单而强大,简直不要太爽 1,安装Easycode 打...

qq_41595149的博客 4811

IDEA必备开发神器之EasyCode

IDEA必备开发神器之EasyCode 目录 1、前言 2、安装(EasyCode) 3、建立数据库 4、在IDEA配置连接数据库 5、开始生成代码 6、pom.xml 7、Application.yml 8、启动项目 1、前言 Easycode是idea的一个插件,可以直接对数据的表生成entity,controller,service,dao,mapper,无需任何编码,简单而强大。 2、安...

雪崩时没有一片雪花是无辜的! 5520

Idea自动生成代码神器EasyCode,让你如虎添翼

在基于Mybatis的项目中,我们可以通过Mybatis的插件从数据库表结构进行业务代码的生成。今天给大家介绍一款Idea的插件,不仅可以达到Mybatis反向生成的效果,而且还可以更加灵活的使用。 插件安装 通常Idea插件的安装有两种形式。 方式一:直接在Idea中找到Plugins配置,然后搜索“Easy Code”,点击“install”进行安装,重启Idea便完成安装。如下图: [外链图...

程序新视界 1万+

Java EasyCode + MyBatisPlus,代码自动生成神器

EasyCode 是一款用于简化 Java 开发的 IntelliJ IDEA 插件,可以帮助您快速生成代码。MyBatis-Plus 是 MyBatis 的一个增强工具,提供了许多实用的功能,如通用 Mapper、通用 Service、分页插件等。本文将详细介绍如何使用 EasyCode 结合 MyBatis-Plus 自动生成代码。

weixin_59801183的博客 2863

摸鱼神器IntelliJ IDEA插件EasyCode的使用

EasyCode是一个什么东西? EasyCode是基于IntelliJ IDEA开发的代码生成插件,支持自定义任意模板(Java,html,js,xml)。只要是与数据库相关的代码都可以通过自定义模板来生成。支持数据库类型与java类型映射关系配置。支持同时生成生成多张表的代码。每张表有独立的配置信息。完全的个性化定义,规则由你设置。 创建一个SpringBoot项目 下载Easy Code 配置数据源 使用Easy Code一定要使用IDEA自带的数据库工具来配置数据源。 打开侧边的Databa

学而时习之,不亦说乎?温故而知新,可以为师矣! 5625

40款帮助你加薪的IDEA神器插件!

写在前面的话 : 大家好,我是全栈小刘,一名零零后的编程爱好者。 从初中开始编程,对编程有独特情怀,热爱技术,目前已有五年的编程经验,做过许许多多有意思的项目,这篇博客,算是对自己学习的一个总结,算是一份笔记,如果你对Java全栈感兴趣 可以关注我的动态一起学习 1.01的365次方=37.78343433289 >>>1 0.99的365次方= 0.02551796445...

程序员小刘 7万+

IDEA EasyCode(代码神器)

目录1、前言2、安装(EasyCode)3、建立数据库4、在IDEA配置连接数据库5、开始生成代码6、pom.xml7、Application.yml8、启动项目来源:jianshu....

WantFlyDaCheng的博客 4005
上一篇: MySQL 之自己实现sequence
下一篇: Mac常用软件
yyangqqian
博客等级 码龄15年 406粉丝 406原创
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
 
 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