百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 技术分类 > 正文

创建Electron工程(electron 新建窗口)

ztj100 2025-04-02 00:34 19 浏览 0 评论

1、安装程序运行环境

在使用 Electron 进行开发之前,您需要安装 Node.js。建议使用最新的LTS版本。 Node.js 的安装过程就不过多赘述了,只需安装提示安装完即可。

要检查 Node.js 是否正确安装,请在您的终端输入以下命令:

node -v
npm -v

这两个命令输出了 Node.js 和 npm 的版本信息时即表示环境安装成功了。

2、创建工程目录

新建名为 demo 的文件夹。


进入 demo 文件夹,打开命令窗口,输入 npm init -y 快速创建 package.json 文件。

执行 npm init -y 命令,在 demo 目录下自动生成 package.json 文件。

3、切换 npm 源

因为众所周知的原因,我们需要切换 npm 的当前源为cnpm。

npm config set registry https://registry.npm.taobao.org/
npm config set ELECTRON_MIRROR http://npm.taobao.org/mirrors/electron/

或者选择另外一个镜像地址

npm config set registry https://registry.npm.taobao.org/
npm config set ELECTRON_MIRROR https://cdn.npm.taobao.org/dist/electron/

查看 npm 的当前源

# 查看当前设置的源
npm config get registry

4、完善项目工程

用 vscode 编辑器打开 demo 文件夹,现在只有 package.json 一个文件,其自动生成的内容如下:


第一步:安装 Electron 的开发依赖。

执行 cnpm install electron -D 命令即可安装最新版的 electron。


第二步:创建入口文件 main.js。

因为任何 Electron 应用程序的入口都是 main 文件。 这个文件控制了主进程,它运行在一个完整的Node.js环境中,负责控制您应用的生命周期,显示原生界面,执行特殊操作并管理渲染器进程。

执行期间,Electron 将依据应用中 package.json 配置下 main 字段中配置的值查找此文件,所以我们创建 main.js 文件,并修改 package.json 配置文件中的入口文件名为 main.js。即将 "main" 对应的 "index.js" 改成 "main.js":

{
  ...
  //"main": "index.js",
  "main": "main.js",
  ...
}


第三步:编辑入口文件。

运行程序就会创建一个宽高位 1200 * 800 的窗口。

// main.js

const { app, BrowserWindow } = require('electron')

// 这段程序将会在 Electron 结束初始化
// 和创建浏览器窗口的时候调用
// 部分 API 在 ready 事件触发后才能使用。
app.whenReady().then(() => {
  // 创建浏览器窗口。
  const mainWindow = new BrowserWindow({
    width: 1200,
    height: 800,
  })
  
  // 加载 index.html
  mainWindow.loadFile('index.html')
})


第四步:创建页面。

在 main.js 文件中,可能你已经注意到了这行代码: mainWindow.loadFile('index.html')

在 Electron 中,各个窗口显示的内容可以是本地 HTML 文件,也可以是一个远程 url。这里我们采用本地 HTML 的方式,在工程的根目录下创建一个名为 index.html 的文件。


第五步:运行程序。

在 package.json 配置文件中的 "scripts" 加一个命令。

执行 npm run start 命令。


大功告成!!!至此,你已经成功创建并启动了一个 Electron 程序。

相关推荐

其实TensorFlow真的很水无非就这30篇熬夜练

好的!以下是TensorFlow需要掌握的核心内容,用列表形式呈现,简洁清晰(含表情符号,<300字):1.基础概念与环境TensorFlow架构(计算图、会话->EagerE...

交叉验证和超参数调整:如何优化你的机器学习模型

准确预测Fitbit的睡眠得分在本文的前两部分中,我获取了Fitbit的睡眠数据并对其进行预处理,将这些数据分为训练集、验证集和测试集,除此之外,我还训练了三种不同的机器学习模型并比较了它们的性能。在...

机器学习交叉验证全指南:原理、类型与实战技巧

机器学习模型常常需要大量数据,但它们如何与实时新数据协同工作也同样关键。交叉验证是一种通过将数据集分成若干部分、在部分数据上训练模型、在其余数据上测试模型的方法,用来检验模型的表现。这有助于发现过拟合...

深度学习中的类别激活热图可视化

作者:ValentinaAlto编译:ronghuaiyang导读使用Keras实现图像分类中的激活热图的可视化,帮助更有针对性...

超强,必会的机器学习评估指标

大侠幸会,在下全网同名[算法金]0基础转AI上岸,多个算法赛Top[日更万日,让更多人享受智能乐趣]构建机器学习模型的关键步骤是检查其性能,这是通过使用验证指标来完成的。选择正确的验证指...

机器学习入门教程-第六课:监督学习与非监督学习

1.回顾与引入上节课我们谈到了机器学习的一些实战技巧,比如如何处理数据、选择模型以及调整参数。今天,我们将更深入地探讨机器学习的两大类:监督学习和非监督学习。2.监督学习监督学习就像是有老师的教学...

Python教程(三十八):机器学习基础

...

Python 模型部署不用愁!容器化实战,5 分钟搞定环境配置

你是不是也遇到过这种糟心事:花了好几天训练出的Python模型,在自己电脑上跑得顺顺当当,一放到服务器就各种报错。要么是Python版本不对,要么是依赖库冲突,折腾半天还是用不了。别再喊“我...

超全面讲透一个算法模型,高斯核!!

...

神经网络与传统统计方法的简单对比

传统的统计方法如...

AI 基础知识从0.1到0.2——用“房价预测”入门机器学习全流程

...

自回归滞后模型进行多变量时间序列预测

下图显示了关于不同类型葡萄酒销量的月度多元时间序列。每种葡萄酒类型都是时间序列中的一个变量。假设要预测其中一个变量。比如,sparklingwine。如何建立一个模型来进行预测呢?一种常见的方...

苹果AI策略:慢哲学——科技行业的“长期主义”试金石

苹果AI策略的深度原创分析,结合技术伦理、商业逻辑与行业博弈,揭示其“慢哲学”背后的战略智慧:一、反常之举:AI狂潮中的“逆行者”当科技巨头深陷AI军备竞赛,苹果的克制显得格格不入:功能延期:App...

时间序列预测全攻略,6大模型代码实操

如果你对数据分析感兴趣,希望学习更多的方法论,希望听听经验分享,欢迎移步宝藏公众号...

AI 基础知识从 0.4 到 0.5—— 计算机视觉之光 CNN

...

取消回复欢迎 发表评论: