开发 | 四大微信小程序开发工具测评

本文对比分析了微信小程序官方开发工具、即速应用、SublimeText3和WebStorm四款工具,分别介绍了它们的优点、缺点及适用场景,帮助开发者根据自身需求选择最适合的小程序开发工具。

一、微信小程序官方开发工具

注意,它只是个工具,而不是一个IDE。官方工具中的代码编辑功能,就是将vscode的代码编辑功能嵌入到工具中,不足以支撑开发。

19956127-688cf6358b77a9ae.jpg

优点

因为是官方工具所以有这其它第三方工具有这不可比拟的天然优势,如果不是他代码编辑功能太弱的话。

l 官方工具,可调试,可预览

l 基本的代码编辑、智能提示、调试等功能都有

l 项目管理、创建、手机预览、代码提交审核

l 官方维护更新

缺点

不好的地方也很明显,总体而言是一款工具而不是IDE。糟糕的代码编辑功能,写起代码非常别扭,这是我放弃它的最重要原因。

l api提示不全,要一个个查api,影响写代码的速度

l 很多必备的快捷键都没有,比如全选关键字、快速复制一行等等

l 颜色主题不能选,不喜欢白色风格怎么搞

l 没有插件 没有插件 没有插件 重要的事情说三遍

评价

目前因为需要用到微信web开发工具进行小程序的创建、调试、查看、预览、上传,所以这个工具必不可少。但是代码编辑功能实在太差,推荐使用其它第三方代码编辑工具代替。

二、即速应用

适合技术小白的小程序开发工具

严格来说,即速应用并不是为专业程序员准备的开发工具,但它绝对是一款功能非常强大的微信小程序制作工具。不懂技术不懂编程的人,一定会爱上即速应用这款工具的。目前只要登录www.jisuapp.cn就能使用这款工具。

19956127-1152fc31c316ade9.jpg

优点

l 可视化操作,直接拖拽组件生成页面

l 提供大量可套用的模板

l 可将代码打包下载,直接对接到小程序的开发工具

l 下载下来后的代码可以任意编辑

缺点

l 电商模板居多,其他类别的模板较少

l 复杂的功能仍然需要专业程序员二次开发

评价

客观地说,即速应用这款微信小程序制作工具非常适合技术小白。因为它相当于把需要代码的部分都帮你做好了,所以不用太头疼技术方面的问题。当然,如果你是程序员,一样可以在它生成的代码基础上进行二次开发的。

三、Sublime Text 3

简洁高效的开发工具

sublime text 3定位于代码编辑器而不是IDE,在代码提示方面只能算一般般,不过胜在使用起来非常方便。

19956127-ecb5bf0c0db845cc.jpg

优点

l 打开文件速度倍儿快、UI简洁大方

l 代码编辑体验舒适、高效

l 拥有大量插件,针对不同需求基本上能找到对应插件来满足

l 第三方开发者开发小程序插件用于代码着色和代码提示

缺点

l 没有调试,没有预览

l 因为是第三方开发者编写的插件,代码提示也不是非常全面

评价

使用门槛不会太高,可以迅速上手。是但如果想实现一些丰富的功能就会比较吃力了。

四、WebStorm

功能繁多的重度开发工具

WebStorm网上有个插件,可以实现代码提示,不能做调试和预览,并且属于重度工具,如果你是,可以尝试一下这个工具。

19956127-6230fde8b6add046.jpg

优点

l 有插件可以实现代码高亮,代码提示等功能

l 有非常成熟和非常丰富的功能

l 各种快捷键

缺点

l 无法调试预览

l 功能比较多、比较臃肿

评价

Webstorm和上述几个工具相比,代码编辑功能较强大。但是需要插件支持才可以开发小程序,而且体积臃肿。

总结

这四款工具各有优劣,适用于微信小程序开发过程中的不同情况。到底选择哪一种,就看自己的需求了。如果你想尽快学会开发微信小程序,那么熟练掌握这些开发工具是非常必要的。
原文作者:朝花吸食
原文链接:https://zhuanlan.zhihu.com/p/33258938

内容概要:本文系统研究了基于CNN-SVM的卷积神经网络与支持向量机融合的数据分类预测方法,聚焦其在工业故障识别中的应用,提供了完整的Matlab代码实现。通过CNN提取输入数据的深层空间特征,再由SVM进行高精度分类,充分发挥两者优势,有效提升了故障识别的准确性、鲁棒性与泛化能力。该方法特别适用于处理电力系统、机械设备等领域的高维、非线性、强噪声监测数据,在变压器故障诊断、轴承缺陷识别等场景中具有重要应用价值。文档还整合了机器学习、深度学习、图像处理、路径规划、电力系统优化等多个前沿科研方向的技术资源,配套大量Matlab/Simulink仿真案例与Python代码,全面支持科研复现与工程实践。; 适合人群:具备一定编程基础,熟练掌握Matlab或Python语言,从事电气工程、自动化、人工智能、机械故障诊断等相关领域研究的研发人员及高校研究生; 使用场景及目标:① 实现工业设备的状态监测与多类别故障分类;② 深入理解CNN与SVM融合模型的设计原理与工程实现细节;③ 借助所提供的丰富算法案例开展科研复现、模型优化与系统仿真验证; 阅读建议:建议按照文档目录结构系统化学习,结合百度网盘提供的完整代码资源进行动手实践,重点关注CNN特征提取层与SVM分类器之间的数据接口设计与参数调优策略,同时可延伸学习文中涉及的其他智能算法及其在电力系统、信号处理等领域的交叉应用,全面提升科研创新能力。
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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