博客
关于我
Angular开发(二)-关于angular2的整体架构与大致介绍
阅读量:111 次
发布时间:2019-02-26

本文共 1364 字,大约阅读时间需要 4 分钟。

Angular????????????

Angular????????????????????????????????????????Angular??????????????????

Angular???????

?Angular???????????????????????????????????????????????????????????????????????????????

????????

??????????????????????????????????????????????????????????????????????????????????

?????

Angular??????????????????????????????????????????????????????????????????

???????

Angular??????????????????????????????????????????????????????????????

???????

??? Angular ??????????????????????????????????????????????????????????????????

Angular???????

????????? Angular ????????????? Angular ?????????????

1. src

??????????????????????

1.1. app

???????????????????????

1.1.1. components

???????????????????????????????????? CSS ? TypeScript ??

1.1.2. pipes

??????????????????????????????

1.1.3. services

???????????????????????????????????????

1.1.4. pages

?????????????????????

1.2. public

????????????????????

2. typings

?????????????????????

3. tools

??????????????????????

4. e2e

?????????????????????????

5. cypress

Cypress ??????????

6. jasmine

Jasmine ??????????

7. tsconfig.json

TypeScript ?????????? TypeScript ??????

8. tslint.json

TSLint ???????????????

9. angular.json

Angular ?????????????????????????

10. package.json

??????????????

??

??? Angular?????????????????????????? Angular ????????????????????????????????????????????????????????????????????????

转载地址:http://dpvf.baihongyu.com/

你可能感兴趣的文章
Numpy 入门
查看>>
NumPy 库详细介绍-ChatGPT4o作答
查看>>
NumPy 或 Pandas:将数组类型保持为整数,同时具有 NaN 值
查看>>
numpy 或 scipy 有哪些可能的计算可以返回 NaN?
查看>>
numpy 数组 dtype 在 Windows 10 64 位机器中默认为 int32
查看>>
numpy 数组与矩阵的乘法理解
查看>>
NumPy 数组拼接方法-ChatGPT4o作答
查看>>
numpy 用法
查看>>
Numpy 科学计算库详解
查看>>
Numpy.fft.fft和numpy.fft.fftfreq有什么不同
查看>>
numpy.linalg.norm(求范数)
查看>>
Numpy.ndarray对象不可调用
查看>>
Numpy.VisibleDeproationWarning:从不整齐的嵌套序列创建ndarray
查看>>
Numpy:按多个条件过滤行?
查看>>
Numpy:条件总和
查看>>
numpy、cv2等操作图片基本操作
查看>>
numpy中的argsort的用法
查看>>
NumPy中的精度:比较数字时的问题
查看>>
numpy判断对应位置是否相等,all、any的使用
查看>>
Numpy多项式.Polynomial.fit()给出的系数与多项式.Polyfit()不同
查看>>